MétaCan
Menu
Retour à la cohorte
Enregistrement W2017450025 · doi:10.2202/1469-3569.1054

A Learning-Centered View of Business Associations: Building Business-Government Relations for Development

2003· article· en· W2017450025 sur OpenAlexaff
Paola Perez-Aleman

Notice bibliographique

RevueBusiness and Politics · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensMcGill University
Organismes subventionnairesMassachusetts Institute of TechnologyJohn D. and Catherine T. MacArthur Foundation
Mots-clésGovernment (linguistics)Process (computing)Work (physics)New business developmentState (computer science)Business relationsAssociation (psychology)BusinessProduction (economics)MarketingEconomicsBusiness modelComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The problems of rent seeking and state captured by business associations have been prominent among the concerns of economic development theory. This paper argues that firms and the state can make possible the building of new institutions that foster improvements in economic performance through arrangements that emphasize goal setting, problem solving, and continual evaluation of progress toward defined goals. The paper reviews key ideas on the learning-centered approach and builds on them to analyze the kinds of government–business relations that contribute to economic development. It uses case study material based on Chile's agro-industry business association FEPACH. It illustrates how innovative state policy coupled with private firms' efforts led to the discovery of group-based coordination that fostered rapid diffusion of new technology and production organization among Chilean enterprises. This work discusses the institutional reshaping of the business association and business–state relations to encourage learning and advance a process of development.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,042
Communication savante0,0160,011
Science ouverte0,0020,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,030
Tête enseignante GPT0,245
Écart entre enseignants0,215 · 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

Citations16
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and PoliticsMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207