Beyond territory : dynamic geographies of knowledge creation, diffusion, and innovation
Notice bibliographique
Résumé
Introduction 1. Territorial and Relational Dynamics in Knowledge Creation Diffusion and Innovation: An Introduction Harald Bathelt, Maryann P. Feldman and Dieter F. Kogler Part 1: Agglomeration - Aspects of Specialization and Diversity 2. Where do They Come From, and to Whom do they Flow? W. Mark Brown and David L. Rigby 3. Local Diversity and Creative Economic Activity in Canadian City-Regions Greg Spencer 4. Technological Relatedness and Regional Branching Ron Boschma and Koen Frenken 5. Evolution of the Geographical Concentration Pattern of the Danish IT Sector Christian R. Ostergaard and Bent Dalum Part 2: Beyond Territory - Evoutionary Spatio-Sectoral Dynamics 6. The Emerging Industry Puzzle: Optics Unplugged Maryann P. Feldman and Iryna Lendel 7. Food Geography and the Organic Empire Modern Quests for Cultural-Creative Related Theory Phil Cooke 8. Beyond Spillovers - Interrogating Innovation and Creativity in the Peripheries Andrey N. Petrov 9. The BioValley - Knowledge Dyanmics in a TNC headquarter location Bernhard Fuhrer and Paul Messerli Part 3: Making Connections - Bridging the Local and the Global 10. Islands of Expertise - Global Knowledge Transfer in a Technology Service Firm Johannes Gluckler 11. The Changing and Diverse Roles of RIS in the Globalizing Knowledge Economy: A Theoretical Re-Examination with Illustrations from the Nordic Countries Bjorn Asheim, Arne Isaksen, Jerker Moodysson, Markku Sotarauta 12. Globaal Buzz at International Trade Fairs: A Relational Perspective Nina Schuldt and Harald Bathelt 13. Dyanic Geographies of Knowledge Creation, Diffusion and Innovation: Present and Future Diections Dieter F. Kogler, Harald Bathelt and Maryann P. Feldman
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 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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».