L’adoption de technologies numériques : informations tirées d’une enquête d’envergure mondiale
Bibliographic record
Abstract
La Banque du Canada, en collaboration avec un reseau international de banques centrales, a recemment interroge plus de 6 000 entreprises de partout dans le monde. Sur la base des donnees recueillies, nous evaluons les effets de la numerisation sur les decisions relatives aux prix et a l’emploi. Plus precisement, nous examinons les attentes des entreprises quant a l’incidence de la mise en œuvre de technologies numeriques telles que le commerce electronique, l’infonuagique, les megadonnees, l’impression 3D, l’Internet des objets, la robotique et l’intelligence artificielle sur leurs prix et leurs plans d’embauche. Comme les effets varies de ces technologies sur les activites peuvent souvent se compenser, il est difficile d’en determiner l’impact global sur les prix. Selon les resultats de l’enquete pour le Canada, certaines entreprises s’attendent a ce que les prix subissent des pressions a la baisse entrainees par 1) les gains d’efficience, associes a l’automatisation par exemple, et 2) la concurrence accrue en ligne et la compression des couts dans la chaine d’approvisionnement. D’autres estiment que la valeur ajoutee a leurs produits grâce aux technologies numeriques leur permettra d’augmenter leurs prix. D’autres encore prevoient qu’elles devront repercuter sur leurs clients les couts engendres par l’adoption de telles technologies. Les entreprises anticipent egalement un effet negatif marginal sur leur niveau d’emploi au cours des trois prochaines annees en raison de l’automatisation ou de gains de productivite decoulant de la technologie. Cet effet sera largement compense par l’embauche d’un nombre accru de ressources competentes dans le numerique ou destinees a soutenir une hausse des ventes. A l’aide de techniques d’appariement, nous arrivons a tenir compte des differences dans la taille et la composition des echantillons ainsi que dans les parametres d’enquete. Nous constatons ainsi que, par rapport aux petites et moyennes entreprises, les grandes entreprises sont plus susceptibles d’adopter des technologies numeriques et d’anticiper des effets negatifs sur leur niveau d’emploi et leurs prix.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.003 | 0.017 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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; 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".