Étude de l’évolution du réseau de collaboration dans l’industrie canadienne des technologies de l’information et des communications : le secteur matériel en mutation
Bibliographic record
Abstract
DÉDICACEÀ ma grand-mère, 96 ans et toujours aussi vive d'esprit, ma source d'inspiration REMERCIEMENTSCe travail de longue haleine n'est pas le résultat d'un effort de ma propre personne uniquement.L'aide et l'appui reçus au cours des deux dernières années m'ont permis d'accomplir cet ouvrage avec motivation et bonne humeur.J'aimerais donc remercier toute personne ayant contribuée, de près ou de loin, à ce mémoire.Tout d'abord, un gros merci à ma directrice de recherche, Mme Catherine Beaudry, pour son appui, sa direction et sa créativité.Même si ce dernier élément peut parfois rajouter du travail, ce fut un plaisir de côtoyer un esprit aussi vif.De plus, j'ai eu l'immense plaisir de l'accompagner en conférences à Ottawa, Saskatoon, Montréal et à Londres, point culminant de mon expérience à la maîtrise.J'aimerais remercier mes collègues de la Chaire de recherche pour l'incroyable ambiance que nous avons créée au local A-304.Plus spécifiquement, merci à Constant Rietsch et à Anaïs Dorseuil pour m'avoir aidé avec le développement d'une macro Excel.Une mention spéciale pour Pauline Huet, qui collabore avec notre groupe de recherche depuis son poste à L'Observatoire des sciences et des technologies.Elle fut d'une grande aide pour l'extraction et le nettoyage des données bibliométriques.Elle m'a aussi permis de raffiner ma définition du secteur matériel des TIC.Je remercie également Martin Trépanier et David Doloreux, respectivement directeur et membre externe du jury pour l'évaluation de mon mémoire de maîtrise.Enfin, amis et famille, je ne saurai exprimer ma gratitude par quelques mots mais sachez que toutes mes réalisations sont imprégnées de votre confiance en mes moyens et de votre soutien indéfectible.v
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 | 0.007 | 0.026 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".