Economies urbaines et productivite
Bibliographic record
Abstract
La variation spatiale des niveaux de productivité et des taux de croissance de la productivité est considérable. Les écarts les plus prononcés sont peut être ceux observés entre pays, mais des différences demeurent fort évidentes dans les espaces nationaux, car la croissance économique favorise certaines villes et régions plus que d'autres. Dans le présent document, nous dressons la carte de la variation spatiale des niveaux de productivité d'une ville canadienne à l'autre et nous modélisons les déterminants sous jacents de cette variation. Nous poursuivons deux grands objectifs. En premier lieu, nous cherchons à confirmer l'existence, la nature et la taille des économies d'agglomération, c'est à dire les gains d'efficacité associés au regroupement spatial de l'activité économique. Nous nous concentrons sur les effets des réseaux acheteurs-fournisseurs, des réservoirs de main d'oeuvre et des externalités de connaissances. En deuxième lieu, nous déterminons la portée géographique des externalités de connaissances en utilisant l'information sur l'emplacement des établissements manufacturiers individuels. L'analyse porte sur les données au niveau de l'établissement produites par la Division de l'analyse microéconomique de Statistique Canada. Si l'on neutralise l'effet d'une série de caractéristiques des établissements et des entreprises, l'analyse révèle que la productivité des établissements est influencée positivement par chacun des trois mécanismes d'agglomération énoncés par Marshall (1920). Elle indique aussi que l'effet des externalités de connaissances sur la productivité est spatialement circonscrit, puisqu'il se propa
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".