A New Method for Identifying Recombinations of Existing Knowledge Associated with High‐Impact Innovation
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
How existing technologies and ideas are recombined into new innovations remains an important question, particularly as the store of prior technology, art, and work expands at an increasing rate. Yet, methodologies for identifying effective recombinations remain a nascent area of research. This paper extends our previous work, which developed a network methodology for assessing a scientific article's recombinations of prior work. The methodology uses information from the entire co‐citation network of all papers recorded in the W eb of S cience to identify combinations of prior work that are conventional or atypical and then identifies the virtuous mix of conventional and atypical pairings associated with high impact work. Here, we summarize our prior method and findings, present new findings, and perform a case study application to the field of management science. First, the results show that despite an ever‐increasing frontier of possible new combinations of prior work, atypical combinations of prior work are becoming increasingly rare with time, while the distribution of conventional pairings is increasing with time. Second, our analyses show that with time the atypical pairings found in hit papers have a relatively stable mean rate at which they become conventional pairing. Nevertheless, the variance around the mean is growing significantly, which indicates that there is a greater tendency over time for novel pairings either to be virtually never used again or to become conventional pairings.
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 | 0,059 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,051 | 0,238 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 découle