Les logiques de localisation des entreprises multinationales au Québec : une analyse des systèmes d'affaires et des relations industrielles en région
Bibliographic record
Abstract
L’objet de ce mémoire est de comprendre les logiques de localisation des entreprises multinationales au Québec. À l’aide de deux études de cas, basées sur cinq investissements, nous avons examiné les facteurs qui ont permis à deux filiales d’entreprises multinationales étrangères d’obtenir un investissement ou un réinvestissement. La littérature sur la localisation des entreprises multinationales à l’étranger nous a aidé à identifier trois types d’attributs qui sont susceptibles d’influencer l‘obtention d’un investissement par la filiale locale : les attributs internes à la filiale, les attributs liés à la relation qu’entretient la filiale avec son siège social et les attributs liés aux contextes d’affaires dans lesquels la filiale exerce son activité. Nos résultats permettent d’établir plusieurs constats. Premièrement, les facteurs pris en compte dans les décisions d’investissement varient selon les échelles internationales, nationales, provinciales et locales. Les sièges sociaux des entreprises multinationales procèdent à une sélection successive de facteurs dans la perspective d’arriver à un meilleur compromis. Par conséquent, un facteur ne peut à lui seul expliquer un investissement. Le poids et la diversité des facteurs peuvent varier en fonction des situations. Deuxièmement, la complémentarité des attributs internes de la filiale avec son contexte d’affaires local a fortement contribué à l’obtention d’investissements. La technologie de production, les compétences des employés ainsi que la capacité de la direction locale à promouvoir les atouts de la filiale auprès des comités d’investissement représentent des éléments clés. La présence d’institutions locales fortes et coordonnées est également à prendre en compte dans le soutien apporté au développement de la filiale.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.009 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".