Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study theorizes about the behavioral and knowledge creation implications of betting on the losing technology in a competing technology situation and focuses on three main outcomes. First, in a situation with competing technological options, firms that invest initially in the losing technology will be less successful subsequently in building new knowledge in the winning technology because their experience with failure will lead them to update their expectations of the industry and choose to pursue less risky alternatives. Second, two classic risk-reducing strategies—investing in both technologies or entering after uncertainty is resolved—will not be completely effective. Firms investing in both technologies are likely to suffer the incentive and coordination-driven innovation penalties of generalists, while late entrants will suffer learning disadvantages. Third, the possession of key and relevant complementary assets—upstream and downstream—will positively moderate the observed inertial effect on firms that backed the failed technology and generalists that backed both technologies, as these complementary assets will increase incentives to adapt to the winning technology. I find empirical support for my hypotheses using a novel data set on the evolution of the global flat panel display industry from 1964 to 2003 to investigate the technological competition between plasma and liquid crystal displays. Results show that firms initially pursuing plasma generated less subsequent knowledge in liquid crystal displays, and that firms betting on both technologies were also slow to build knowledge in liquid crystal displays. Meanwhile, firms with upstream and downstream complementary assets were able to moderate, but not overcome, this barrier to knowledge creation. The findings have implications for our study of technological evolution and adaption, for learning from failure and reinforcement learning, and for the relationship between resource partitioning and adaptation.
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle