MétaCan
Menu
Retour à la cohorte
Enregistrement W1525709793

The Diffusion and Adoption of Advanced Technologies in Canada: An Overview of the Issues

2005· preprint· en· W1525709793 sur OpenAlexaboutno aff
Elad Gafni

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2005
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLaggingProductivityDiffusion of innovationsBusinessGlobalizationTechnological changeProcess (computing)Industrial organizationEmerging technologiesDiffusionFace (sociological concept)EconomicsMarketingEconomic growthMarket economyComputer scienceSociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The adoption of advanced technologies is a means of fostering productivity improvement. Many theories seek to explain the process of advanced technology diffusion and adoption. Canadian firms generally trail their U.S. counterparts in the adoption of advanced technology. There are many critical gaps in our knowledge and understanding of technological diffusion in Canada. Key gaps include the identification of leading and lagging industries in terms of adoption; key barriers to technological diffusion in Canada including economic-policy-related barriers; appropriate direct policy interventions to overcome specific barriers; the impact of increasing globalization and the economic ascendancy of the large developing countries on diffusion in Canada; and specific challenges small and medium enterprises face in adopting technology. Another issue requiring more research is whether strong R&D performance is a prerequisite for the broad diffusion of technologies. Possible tradeoffs between supporting R&D and supporting diffusion in the presence of limited public funds to promote innovation merit discussion.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,990

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,022
Études des sciences et des technologies0,0060,003
Communication savante0,0080,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,055
Tête enseignante GPT0,295
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetEconomic Growth and ProductivityTravaux en français237 207