Notice bibliographique
Résumé
The importance of technological innovation in defining and shaping our global economy has made it a central research topic over the past decade. The rise of electronics manufacturing technology, specifically the silicon transistor technology, is considered a major factor influencing technological innovation and in turn, affecting the world's economic and social transformation. The process of technological innovation generally involves getting new ideas accepted and converted into new technologies that are adopted and used. Sociologically, the innovation process can be observed as sequence of interconnected activities and mediations between human subjects and non-humans objects that are socially distributed and technologically connected. This paper observes technology industry's most eminent innovation edict known as Moore's Law, through one of sociology's most controversial theories, the actor-network theory (ANT). Suggested as a self-fulfilling prophecy resulting in a multibillion-dollar global technology industry and accredited to having put silicon in Silicon Valley, Moore's Law is often described as the driver for the information and communication technology revolution. Originally a prediction towards smaller, cheaper and more reliable computer processing power, this paper examines Moore's Law as a socio-technical innovation process. It proposes that Moore's Law is a complex assemblage comprised of interrelationships between ambitious scientists, chemicals, engineered technologies, culture and society. ANT is used as the theoretical framework to observe the progressive social relationships that constitute Moore's Law and introduce a translation. The objective of this experimental study is to examine the temporal socio-technical transformations and propose an alternative description for Moore's Law.
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 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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».