Les technologies de l’information et la productivité : situation actuelle et perspectives d’avenir
Bibliographic record
Abstract
Dans la deuxième moitié des années quatre-vingt-dix, la croissance de la productivité de l’économie américaine a rebondi, un phénomène que nombre d’analystes ont attribué aux technologies de l’information. Cependant, peu de temps après que ce consensus se soit imposé, la demande pour les produits de technologies de l’information s’effondrait, relançant un vif débat sur le lien entre les technologies de l’information et la productivité, de même que sur la durabilité éventuelle d’une croissance aussi forte. Nous apportons notre contribution à ce débat de deux manières : premièrement, dans le but d’évaluer la robustesse de notre argumentation antérieure, nous prolongerons, jusqu’à la fin de 2001, notre analyse de la comptabilité de la croissance, dont nous avons déjà publié les résultats (Oliner et Sichel, 2000a). Les nouveaux résultats confirment les conclusions de nos travaux antérieurs : la croissance accélérée de la productivité du travail après 1995 découle principalement de l’usage croissant des biens d’équipement de type technologies de l’information et de gains d’efficacité accrus du côté de leur production ; deuxièmement, nous analyserons les propriétés de régime d’état stationnaire d’un modèle de croissance multisectoriel, afin de jauger la durabilité potentielle d’un tel regain de productivité. Nous en déduirons une fourchette de valeurs pour la croissance de la productivité du travail, se situant entre 2 % et 2 ¾ % par année, ce qui laisse présager que l’essentiel – sinon la totalité – de ce regain de vitalité pourrait être durable.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.018 | 0.017 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".