Le Québec économique 9 : Perspectives et défis de la transformation numérique
Bibliographic record
Abstract
De la numérisation de données à leur valorisation, la transformation numérique a évolué ces dernières années, entraînant avec elle une croissance des besoins en technologies, en capacité de stockage et en puissance de calcul. Mais pour créer de la valeur, cette transformation doit être accompagnée de changements dans les opérations et dans la culture des organisations. Ainsi, cette édition du Québec économique montre comment les innovations numériques au sein de nos organisations publiques et privées touchent actuellement tous les secteurs de notre économie, faisant de la transformation en cours une véritable révolution numérique sur le marché de l’emploi, mais également dans le monde de l’éducation et de la formation. L’écosystème d’innovation et de collaboration qui se met en place au Québec et au Canada, principalement autour de l’IA, fait l’objet d’analyses poussées dans cet ouvrage. Les différents chapitres fournissent des données probantes pour mieux comprendre la transformation numérique qui est en marche et éclairer les décideurs dans l’élaboration de politiques publiques. Les constats et les recommandations des 45 auteurs ayant contribué au Québec économique 9 permettront au lecteur de repérer les défis qui se sont amplifiés avec la crise de la COVID-19 ainsi que les forces qui étaient en présence avant l’apparition de la pandémie. Communiqué de presse Consultez l'ensemble des chapitres du Québec économique 9 Pour l’achat de la version papier, s’adresser à Ventes-QE9@cirano.qc.ca.
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 | 0.011 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.010 |
| Science and technology studies | 0.011 | 0.020 |
| Scholarly communication | 0.020 | 0.008 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.013 | 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".