Technology maturity and high tech venture attractiveness: A model for emerging technology based economic development
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Exceptional regional economic development is fueled by Schumpeterian cycle. Further, Schumpeter's economic growth cycles are initiated by emerging technologies. However, as the name implies emerging technology based products are often not fully developed. Moreover, they are often sponsored by small firms seeking to disrupt a current industry standard technology product paradigm. These are the firms that when successful generate economic job and wealth creation in the regions they reside. These firms need resources to initiate and sustain but they are typified by lower Technology Readiness Level (TRL) technology product paradigms targeted at ambiguous markets. Such firms are often eschewed by today's funders and other resource providers. Yet, if emerging technologies are the wellspring of new Schumpeterian driven cycles of economic development and the firms that underpin that development cannot be sustained then there is cause for concern. Here, we investigate if regional economic development efforts have generated any resource support for firms which focus on emerging technology based commercialization. We do this using the case study method. We seek to understand how different regions are improving the financial entrepreneurial environment. We use secondary data research techniques to find the activities those regions are performing that assist entrepreneurial and intrapreneurial efforts in their region. We provide a first ever model for economic development based on emerging technology and technology entrepreneurship. We find to our surprise some pervasive techniques but overall little commonly in the ways regions assists these firms' efforts.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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