Bibliographic record
Abstract
Cette thèse traite de la notion de compétitivité des unités industrielles par l’indicateur de l’efficience obtenu avec la méthode DEA. L’efficience des alumineries de l’industrie de l’aluminium primaire est analysée sur quatre années distinctes 2005, 2009, 2010 et 2012. Les résultats révèlent que ces unités sont globalement peu efficientes techniquement (inefficience de l’ordre de 1 à 5% selon la technologie utilisée et la région) ; leurs combinaisons productives semblent donc peu optimales. De plus, l’inefficience est davantage prononcée au niveau du coût et de l’allocation de leurs ressources en considérant les prix des inputs différents ou identiques d’une aluminerie à une autre. Tout ceci pourrait expliquer les fermetures enregistrées ces dernières années. Par ailleurs, nous avons montré que l’inefficience technique était expliquée par l’impact des variables explicatives âge, taille et le taux de change. Au travers d’un modèle VECM linéaire nous avons montré qu’il existe une relation de long terme entre la performance financière des grands constructeurs automobiles et le prix de l’aluminium allié. Ce résultat étant l’indicatif de l’interdépendance entre ces deux industries.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 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".