MétaCan
Menu
Retour à la cohorte
Enregistrement W2010235476 · doi:10.1142/s1363919611003738

THE EMERGENCE OF INNOVATION-BASED WIRELESS CLUSTERS: QUALITY AND TIMING MATTER

2011· article· en· W2010235476 sur OpenAlexfundaboutno aff
Jorma Nieminen

Notice bibliographique

RevueInternational Journal of Innovation Management · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Waterloo
Mots-clésExtant taxonQuality (philosophy)Cluster (spacecraft)Economic geographyIndustrial organizationMarketingInnovation diffusionBusinessValue (mathematics)EconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

This study compares the emergence of four wireless clusters in the 1970s and 1980s. Two of them, Calgary in Canada and Finland, initially pursued rather similar service innovations for not very different markets but with very different outcomes, which raises the question why. One major reason that emerges from the reviewed extant research on cluster emergence and innovation diffusion concerns the differences in timing and quality of the initial innovations, affecting their respective perceived diffusion attributes, and market growth and extent. The initial innovation in Finland was well received, diffused rapidly and eventually globally, and led to a positive spiral spurring the industry on to take a global lead. In the case of Calgary, however, it was un-competitive in the broader international market, forcing the anchor firm to adapt and reorient. The study analyses and compares the characteristics of the respective initial innovations and their impact on the outcome, and concludes with a discussion and some propositions on cluster emergence. Enhanced understanding of nascent clusters, especially regarding the role of globally attractive initial innovations and their diffusion quality and timing, should provide value for both scholars and practitioners.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,003
Communication savante0,0060,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,310
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovation ManagementMême sujetInnovation and Knowledge ManagementTravaux en français237 207