Knowledge transfer for sustainable development: East-West collaboration?
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to discuss the potential impact that collaboration between East and West could have on sustainable development. Greater emphasis in this paper will be placed on the benefit that developing countries gain from building collaborative relations with the West. Obtaining access to knowledge and technology will enable developing countries to speed up the process of socio-economic transformation and sustain development. Developing countries can leapfrog by making use of the existing knowledge in the West. Design/methodology/approach – This paper provides descriptive assessment of the relationship between East and West to foster growth and sustain development. The paper uses newly developed ideas to build capacity for knowledge transfer to create linkages and accelerate the process of economic growth. The approach to knowledge-based development requires the creation of an enabling environment driven by skills, innovation, institutions and ICT. Findings – The paper suggests that knowledge transfer enables developing countries to sustain development. Access to global/western knowledge allows developing countries to diversify their economic structure and increase productivity. Technological learning and knowledge absorption permit these countries to leapfrog by surpassing several stages in their development. Practical implications – Information in this paper provides insight into the merits of the new economy and the potential benefits that developing countries can obtain from participating in the global economy. Indigenous knowledge and local innovation are important for local development, which can be enhanced through technology transfer and knowledge dissemination. Originality/value – Unlike traditional economic theories in which capital and labor provide the main inputs in production, this paper discusses a new approach to development where knowledge, skills and innovation represent the main forces behind growth. The paper explores new ideas to generate linkage and sustain 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,014 | 0,021 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».