Patterns of Technological Innovation in Knowledge‐Intensive Business Services
Notice bibliographique
Résumé
Employing data from a sample of 1,161 small firms, the paper draws broad comparisons between patterns of innovation expenditure and output, innovation networking, knowledge intensity and competition within Knowledge‐Intensive Business Services (KIBS; N = 563) and manufacturing firms (N = 598). In so doing, KIBS are further disaggregated along lines proposed by Miles et al. (1995 Miles, I., Kastrinos, N., Flanagan, K., Bilderbeek, R., den Hertog, P., Huitink, W. and Bouman, M. 1995. Knowledge Intensive Business Services: Their Role as Users, Carriers and Sources of Innovation EIMS Publication No. 15, Innovation Programme, DGXIII, Luxembourg [Google Scholar]). That is, as technology‐based KIBS (t‐KIBS; N = 264) and professional KIBS (p‐KIBS; N = 299). However, detailing such broad patterns is preliminary. The principal interest of the paper is in identifying the factors associated with higher levels of innovativeness, within each sector, and the extent to which such “success” factors vary across sectors. The results of the analysis appear to offer support for some widely held beliefs about the relative roles of “softer” and “harder” sources of knowledge and technology within services and manufacturing (Tether, 2004 Tether, B. 2004. Do Services Innovate (Differently)?, Manchester: University of Manchester. CRIC Discussion Paper 66 [Google Scholar]). However, some important qualifications are also apparent.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».