L'impact de la diversité industrielle et du capital humain sur la croissance économique des villes canadiennes
Bibliographic record
Abstract
Cette thèse cherche à étudier en premier lieu la relation existant entre la diversité industrielle et la prospérité économique au sein de 128 villes canadiennes pour la période allant de 1991 à 1996. Elle nous permet aussi d'observer, pour la même période, la relation existant entre le capital humain et la prospérité économique au sein de ces villes. Finalement cette thèse cherche à quantifier la double influence de la diversité industrielle et du capital humain sur la prospérité économique des villes canadiennes étudiées. \n \nL'idée pour cette thèse provient d'une étude américaine (i.e. Glaeser et al., 1992), où un lien positif entre la prospérité économique et la présence de diversification industrielle est établie. La volonté d'appliquer une approche similaire pour l'économie canadienne représente un défi intéressant, du fait qu'une étude à grande échelle de la sorte ne se retrouve pas dans les revues scientifiques. \n \nSuite à une série de calculs, nous concluons que l'économie des régions urbaines du Canada se résume en quelques grands points. Premièrement, les 128 villes canadiennes tendent plutôt vers la concentration industrielle. À l'aide de nos estimations, nous observons qu'une croissance de la prospérité économique se présente s'il y a un mouvement de la concentration vers une plus forte diversification industrielle au sein des villes étudiées. Deuxièmement, notre thèse confirme la notion populaire qu'une main-d'oeuvre éduquée accroît les probabilités de prospérité économique pour nos 128 villes canadiennes. Troisièmement, les régions urbaines du Canada ne peuvent espérer une hausse de prospérité sans l'apport des immigrants. Il importe aussi d'attirer les immigrants vers les plus petites régions urbaines du pays, et non seulement vers les plus grandes, tel que Toronto, Montréal et Vancouver. \n \nQuatrièmement, en analysant la structure industrielle et le capital humain de façon conjointe, nous concluons que des niveaux plus élevés de diversification industrielle, d'immigration et d'éducation (ainsi que moins de spécialisation) accentuent le niveau de prospérité économique des 128 villes canadiennes étudiées pour la période allant de 1991 à 1996. \n
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.032 | 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".