Investissement dans les innovations, croissance de la productivité totale des facteurs et commerce international des PME manufacturières québécoises
Bibliographic record
Abstract
La question de la croissance de la productivité et de la compétitivité des entreprises manufacturières du Québec est un enjeu qui a guidé l’élaboration et la mise en œuvre de diverses politiques de développement économique au cours des dernières années. L’économie du Québec et celle des régions dépendent en grande partie de la capacité des entreprises manufacturières à pénétrer les marchés internationaux, à y rester et à performer durablement. Dans ce rapport, les auteurs examinent l’impact des investissements en recherche et développement (R&D) et en technologies de l’information et de communication (TIC) sur les changements structurels d’utilisation des intrants, des coûts et des gains de productivité totale des facteurs (PTF) et évaluent si les gains générés ont un impact sur la destination et le volume des exportations des PME du secteur manufacturier du Québec. Ils s’appuient sur les données du Fichier de microdonnées longitudinales des comptes nationaux (FMLCN) de 2001 à 2022. Leurs analyses suggèrent un faible impact, voire un impact négatif, de l’investissement en R&D et en TIC sur la croissance de la PTF des entreprises manufacturières québécoises. Par ailleurs, une hausse de la PTF entrainerait une augmentation du nombre de destinations ou du nombre de produits exportés, mais seulement dans le cas des exportations à destination des états américains.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".