Applying Grey Relational Analysis to Evaluate the Factors Affecting Innovation Capability: Evidence from Chinese High-Tech Industries
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
For the studies on the innovation capability, there are many limitations in using traditional statistical techniques. The grey system theory proposed in this paper is to supplement the limitations of using traditional techniques and it is more suitable to figure out the significance of influencing factors for facilitating innovation capability. Based on the statistical data from Chinese high-tech industries, over the period 2006-2008, this paper used fifteen indicators affecting the innovation capability, and it applied grey relational analysis to find out the significant factors. The results show that expenditure and persons engaged in science and technology activities are the significant factors affecting innovation capability within Chinese high-tech industries, and the efficiency for input-output of resources is less significant factor, which implies that the efficiency for input-output within Chinese high-tech industries is lower, and its effect to facilitate Chinese high-tech industrial innovation capability is insignificant. In order to facilitate Chinese high-tech industrial innovation capability, the government and enterprises should pay enough attentions to not only the expenditure and personnel engaged in science and technology activities, but also enhancing the efficiency for input-output of technology resources. Key words: Innovation capability; Grey relational analysis; Chinese high-tech industries Resume: Pour les etudes sur la capacite d'innovation, il ya beaucoup de limitations dans l'utilisation de techniques statistiques traditionnelles. La theorie des systemes de gris proposees dans ce document est de completer les limites de l'utilisation des techniques traditionnelles et il est plus approprie pour comprendre l'importance de facteurs d'influence pour faciliter la capacite d'innovation. Base sur les donnees statistiques du chinois industries de haute technologie, sur la periode 2006-2008, ce papier utilise quinze indicateurs affectant la capacite d'innovation, et l'a applique l'analyse relationnelle grise pour decouvrir les facteurs significatifs. Les resultats montrent que les depenses et les personnes engagees dans des activites scientifiques et technologiques sont des facteurs importants qui affectent la capacite d'innovation au sein chinoise industries de haute technologie, et l'efficacite pour les entrees-sorties de ressources est un facteur moins important, ce qui implique que l'efficacite d'entrees-sorties au sein chinoise industries de haute technologie est plus faible, et son effet de faciliter chinoises de haute technologie capacite d'innovation industrielle est insignifiante. Afin de faciliter chinoises de haute technologie capacite d'innovation industrielle, le gouvernement et les entreprises devraient payer des attentions assez pour non seulement les depenses et le personnel engage dans les activites scientifiques et technologiques, mais aussi ameliorer l'efficacite des entrees-sorties de ressources technologiques. Mots cles: La capacite d'innovation; Gris analyse relationnelle; De la haute technologie de l’industrie chinoise
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 | 0,013 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,032 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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 découle