Know‐how sharing with stochastic innovations
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
We provide a model of know‐how sharing between competing firms in which each of two firms gets a stochastic innovation in its stock of know‐how in every period. Separately considering the cases when innovations are indivisible and divisible, we examine the nature of the subgame perfect sharing agreements that can obtain. We discover that both stochasticity and indivisibility undermine the ability to support sharing. Furthermore, we find that there are equilibria in which know‐how sharing can be intermittent and that small innovations are more likely to be shared than large ones, when innovations are divisible but not necessarily when they are indivisible. JEL Classification: O30, O33 Partage du savoir faire quand les innovations sont stochastiques. Les auteurs proposent un modèle de partage du savoir‐faire entre entreprises concurrentes dans lequel chacune des deux entreprises obtient une innovation stochastique dans son stock of savoir‐faire à chaque période. En considérant séparément les cas où les innovations sont divisibles et non‐divisibles, on examine la nature des accords de partage parfait qui peuvent se produire dans le sous‐jeu. On montre que la stochasticité et l'indivisibilité minent la possibilité de maintenir le partage. De plus, on découvre que des solutions d'équilibre avec partage de savoir‐faire peuvent jouer par intermittence, et qu'on est davantage susceptible de partager les fruits des petites innovations plus que des grandes quand les innovations sont divisibles, mais pas nécessairement quand elles sont indivisibles.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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