MétaCan
Menu
Retour à la cohorte
Enregistrement W2020745465 · doi:10.1111/j.1467-8276.2005.00732.x

The Crowding Effects of Basic and Applied Research: A Theoretical and Empirical Analysis of an Agricultural Biotech Industry

2005· article· en· W2020745465 sur OpenAlexaff
Stavroula Malla, Richard Gray

Notice bibliographique

RevueAmerican Journal of Agricultural Economics · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversity of SaskatchewanUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésCrowding outProductivityIncentiveEconomicsAgricultureVariety (cybernetics)Empirical researchEconometric modelPublic economicsConsistency (knowledge bases)Industrial organizationEconometricsMarketingMicroeconomicsBusinessComputer scienceMathematicsMacroeconomicsStatisticsBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Game theory is used to examine the incentives for private firms to fund applied research to improve differentiated crop varieties sold to compete with a public generic variety. We distinguish between applied research, modeled as a stochastic search process, and basic research, which improves applied research productivity. Propositions derived from the theoretical model are tested using empirical evidence from the canola crop research industry. The results show consistency between the analytical findings and the econometric results, supporting the validity of the framework and underlining the need to disaggregate the crowding effects of basic and applied public research.

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)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,024
Tête enseignante GPT0,270
Écart entre enseignants0,246 · 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.

Devis d'étudeObservationnel
DomaineIncitatifs
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

Citations29
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Agricultural EconomicsMême sujetFirm Innovation and GrowthTravaux en français237 207