L'intensite du capital au Canada et aux Etats-Unis, 1987 a 2003
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Les données officielles produites par les organismes statistiques ne sont pas toujours idéales aux fins de comparaisons entre pays en raison de différences relatives aux sources de données et de la méthodologie. Les analystes qui procèdent à des comparaisons entre pays doivent choisir avec soin entre plusieurs options et parfois adapter les données à leurs propres fins. Dans le présent document, nous élaborons des estimations comparables du stock de capital pour examiner l'intensité relative du capital au Canada et aux États Unis. À cette fin, nous appliquons des taux de dépréciation communs aux actifs du Canada et des États-Unis pour produire des estimations comparables du stock de capital selon la catégorie d'actifs et selon l'industrie dans les deux pays. Après application de taux de dépréciation communs, nous concluons que l'intensité du capital est plus forte dans le secteur canadien des entreprises que dans le secteur des entreprises aux États-Unis. Il s'agit du résultat net de ratios assez différents au niveau des actifs individuels. L'intensité des actifs d'infrastructure de génie par dollar de produit intérieur brut produit est plus forte au Canada. L'intensité des actifs des machines et du matériel (M et M) liés aux technologies de l'information et des communications (TIC) est plus faible au Canada. L'intensité des actifs des M et M non TIC et des bâtiments est semblable dans les deux pays. Toutefois, ces résultats ne tiennent pas compte du fait que les différentes intensités du capital selon les actifs au Canada et aux États-Unis peuvent provenir d'une structure industrielle différente. Lorsque les actifs et la structure industrielle sont pris en compte, la situation globale est un peu
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 it