Linking the technological regime to the technological catch-up: analyzing Korea and Taiwan using the US patent data
Notice bibliographique
Résumé
This article examines the relationship between the technological regime and the technological catch-up, using US patent data. This study first extends the notion of technological regimes as more appropriate for the catching-up context before it goes on to develop the quantitative expressions of technological regime variables. Then, it investigates in which technological classes technological catch-up tends either to occur or not to occur and what affects the speed of the catch-up. This study has found that catching-up is more likely to happen in those technological classes with shorter technological cycle time and more initial stock of knowledge and that among those candidate classes the actual speed of catch-up varies depending on appropriability and knowledge accessibility. This implies that the factors that determine the occurrence of catch-up and the speed of catch-up are different. Comparing the level of technological capability of the advanced and catching-up economies, the article has found that catching-up countries tend to achieve high levels in the technological sectors with shorter cycle time, easier access to knowledge, and higher appropriability, whereas the advanced countries show the exactly opposite performances. The study also confirms the organizational selection hypothesis such that the firms of different organizations and strategies show divergent degrees of fitness in the different environment or technological regime. We find that the Korean firms find themselves more fitted to technological regimes featured by low appropriability and high cumulativeness (persistence), whereas the Taiwanese firms are more fitted to technological regimes featured by high appropriability and low cumulativeness (persistence). Our findings are consistent with the following characterization of the firms in Korea and Taiwan. The Korean firms, dominated by the so-called Chaebols especially in patent registrations, are characterized as less flexible, large diversified conglomerates and pursing more independent R&D and learning strategies. The Taiwanese firms are characterized as more flexible, network-based, specialized firms and pursuing more cooperative R&D and learning strategies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».