Delocalisation des matieres: autres mesures
Bibliographic record
Abstract
Afin d'evaluer l'importance de la delocalisation des matieres (definie dans le present document comme etant l'utilisation de matieres intermediaires importees) au niveau de l'industrie, on suppose generalement que, pour une industrie particuliere, la part importee des entrees de chaque bien est la meme que celle observee pour l'economie dans son ensemble, parce que les donnees sur les importations ne sont generalement disponibles qu'a ce niveau. On parle alors de mesure de la delocalisation fondee sur la proportionnalite. Les progres recents en ce qui concerne l'utilisation des donnees administratives sur le commerce permettent d'elaborer de plus nombreuses mesures des importations par industrie. Cependant, ces mesures concernent generalement l'agent qui effectue les importations. Ces importateurs pourraient ne jouer qu'un role d'intermediaire et appartenir a d'autres industries (p. ex. commerce ou finance) que celles qui utilisent les importations. Le present rapport decrit ces mesures plus directes des importations par industrie produites en utilisant des microdonnees canadiennes sur les importations, ainsi que des mesures hybrides combinant des donnees sur les entrees et sur les importations de biens. Les estimations obtenues par ces diverses methodes sont ensuite comparees aux estimations calculees d'apres les donnees d'une enquete sur l'intensite des importations recueillies dans le cadre d'une etude plus generale sur l'innovation.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".