Taux d'echec des nouvelles entreprises canadiennes: nouvelles perspectives sur les entrees et les sorties
Bibliographic record
Abstract
La présente étude porte sur les déterminants de l'échec des nouvelles entreprises canadiennes. On y examine l'incidence de certains facteurs sur la probabilité de survie - facteurs liés à la structure du secteur d'activité, au profil démographique des entreprises et aux cycles macro-économiques. On vérifie si les déterminants de l'échec sont les mêmes pour les jeunes entreprises et celles ayant atteint l'adolescence, et si l'ampleur de ces différences a une portée économique. On examine enfin si, après avoir neutralisé certaines influences, les taux d'échec varient entre les secteurs et entre les provinces. L'analyse touche à deux thèmes principaux. L'incidence d'abord qu'exercent certaines caractéristiques du secteur - par exemple la taille moyenne des entreprises et la concentration - sur le processus d'entrée et de sortie, que ce soit par leur effet sur les coûts liés à l'échec ou sur l'intensité de la concurrence. Le deuxième thème a trait à la façon dont les dimensions de l'échec changent à mesure que les nouvelles entreprises s'aguerrissent aux particularités du marché.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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; 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".