L?incidence des actifs pris en location sur la mesure de la productivite des industries
Bibliographic record
Abstract
Les contrats de location constituent un outil important pour obtenir l?acces a des actifs, obtenir du financement et reduire l?exposition du preneur aux risques qui sont inherents a la propriete d?actifs. Un contrat de location peut prendre la forme d?une location acquisition ou d?une location exploitation. Dans le cadre d?une location-acquisition, le detenteur du titre de propriete d?un actif (le bailleur) transfere la propriete economique de l?actif a l?utilisateur de ce dernier (le preneur), qui accepte en contrepartie d?assumer les risques d?exploitation et obtient les avantages economiques decoulant de l?utilisation de l?actif dans le cadre d?une activite productive. Dans le cas de la location exploitation, le bailleur est a la fois le detenteur du titre de propriete et le proprietaire economique de l?actif loue, de sorte qu?il assume les risques d?exploitation et qu?il recoit les avantages economiques engendres par l?actif. Le bailleur transfere uniquement le droit d?utiliser l?actif au preneur. Les contrats de location permettent aux entreprises d?acquerir le droit d?utiliser des immobilisations selon des modalites differentes de celles associees a d?autres instruments financiers. Dans le Systeme de comptabilite nationale du Canada, les actifs pris en location sont enregistres en fonction de leur proprietaire plutot que de leur utilisateur. La distinction qui est faite entre la propriete ? en particulier le titre de propriete ? des immobilisations et l?utilisation de ces dernieres souleve des difficultes lorsque l?on veut mesurer la productivite. Pour obtenir des mesures de la productivite qui soient uniformes au niveau des industries, les immobilisations louees doivent etre reaffectees des comptes de leur proprietaire a ceux de leur utilisateur. Dans la presente etude, les bilans des societes etablis conformement a l?Index general des renseignements financiers (IGRF) ainsi que des tableaux d?entrees sorties detailles sont utilises pour tester la robustesse des pratiques servant actuellement a recueillir des donnees sur les immobilisations louees.
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 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 | 0.032 | 0.060 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.000 | 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 itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
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".