Maturation Effect or Generation Effect: Empirical Evidence from China
Notice bibliographique
Résumé
The failure to separate the effects of maturation, generation and zeitgeist on culture has been hindered the identification of cultural change for years. Hofstede regards it as a confusing matter. In this paper, we firstly use a new approach to assess the three effects,.then, according to the data from the investigation of China Telecom Company, we analyze the correlation between age variable and cultural dimensions. The empirical result shows that masculinity has the most significant change in China during the past twenty years. With the aid of the above approach, we also confirmed that the generation effect does work rather than the maturation effect does. Key words: Cultural change, maturation effect, generation effect, China Resume : L’insucces de separer les effets de maturation , de generation et de l’esprit de l’epoque sur la culture a pour consequence le retard d’identification de changement culturel depuis des annees . Hofstede la considere comme une question confuse . Dans ce texte , d’abord on se sert d’une nouvelle approche pour evaluer ces trois effets pour passer ensuite a l’analyse la correlation entre l’âge variant et les dimensions culturelles selon les donnees recueillies dans les enquetes de la Compagie Telecom de Chine . Le resultat empirique montre que la masculinite a connu le changement le plus signficatif durant les deux dernieres decennies . A l’aide de cette approche ci-dessus , on affirme egalement que l’effet de generation joue son role , mais non pour l’effet de maturation . Mots-cles: changement culturel, effet de maturation, effet de generation, Chine
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».