MétaCan
Menu
Retour à la cohorte
Enregistrement W1532749840 · doi:10.3386/w12823

Birds of a Feather - Better Together? Exploring the Optimal Spatial Distribution of Ethnic Inventors

2007· report· en· W1532749840 sur OpenAlexafffund
Ajay Agrawal, Devesh Kapur, John McHale

Notice bibliographique

RevueNational Bureau of Economic Research · 2007
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensQueen's UniversityUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaHarvard University
Mots-clésFeatherEthnic groupGeographyDistribution (mathematics)Spatial distributionEconomic geographyEcologyBiologyMathematicsSociologyRemote sensingAnthropology

Résumé

récupéré en direct d'OpenAlex

We examine how the spatial and social proximity of inventors affects knowledge flows, focusing especially on how the two forms of proximity interact.We develop a knowledge flow production function (KFPF) as a flexible tool for modeling access to knowledge and show that the optimal spatial concentration of socially proximate inventors in a city or nation depends on whether spatial and social proximity are complements or substitutes in facilitating knowledge flows.We employ patent citation data, using same-MSA and co-ethnicity as proxies for spatial and social proximity, respectively, to estimate the key KFPF parameters.Although co-location and co-ethnicity both predict knowledge flows, the marginal benefit of co-location is significantly less for co-ethnic inventors.These results imply that dispersion of socially proximate individuals is optimal from the perspectives of the city and the economy.In contrast, for socially proximate individuals themselves, spatial concentration is preferred -and the only stable equilibrium.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,480
Tête enseignante GPT0,451
Écart entre enseignants0,030 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations29
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetRegional Economics and Spatial AnalysisTravaux en français237 207