From the Bubble to the Core. Long-Term Competitive Advantages for Emerging Markets through Innovation in the Extractive Industry
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
As dependence on the extraction of natural resources for three BRICS countries studied in this paper (Brazil, Russia and South Africa) seems inevitable in the short and even medium-term perspective, these countries will face the need for deep modernization of their extractive industries. This paper sets out to analyze the R&D policies of Brazil, Russia, and South Africa; including Canada with its sizeable and innovative extractive industry to offer a perspective for benchmarking. The methodology of the research combines content analysis of major scientific publications and monitoring research results, as well as policy analysis of key national government regulations in place. We consulted the data produced by major international statistical agencies like the OECD Statistics Directorate and Eurostat. Besides that, there are not many differences in the innovation policy instruments used in developed countries vs. fast growing economies. Rather, it is their synergy, governance, targeted design, and application that make up all the differences. All four countries that were studied emphasized the overarching R&D-related policy goals like achieving a certain GDP percentage of R&D investment. However, it seems that definite fine-tuning of policy tools and structural reforms successfully implemented in developed countries is required in the case of developing countries. Future research should focus more on the necessity of a fine-tuned policy mix for commodity-based economies to the requirements of the existing industry base. As the entrepreneurial activity in these countries is naturally limited and clustered around resource-based industries, research on policy-making should more strongly focus on companies of this sector and their influence on entrepreneurship for the economy as a whole.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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