MétaCan
Menu
Retour à la cohorte
Enregistrement W2084439670 · doi:10.1093/icc/dtr001

The dynamics of knowledge stocks and knowledge flows: innovation consequences of recruitment and collaboration in biotech

2011· article· en· W2084439670 sur OpenAlexaff
Andreas Al‐Laham, Daniel Tzabbar, Terry L. Amburgey

Notice bibliographique

RevueIndustrial and Corporate Change · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésKnowledge flowOvertimeStock (firearms)BusinessPopulationKnowledge managementIndustrial organizationEconomicsMarketingGeographyLabour economicsComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

To extend the knowledge-based view of the firm, we examine how managing the dynamic balance that a firm must undertake between applying knowledge stocks and accessing knowledge flows may determine innovativeness. We found that while the effect of scientist’s recruitment and alliances as two sources of knowledge flow decay overtime, high degrees of human and social capital stock reduces the speed of new assets erosion. Failing to account for the interactions between knowledge stocks and flows, as well as the underlining causalities associated with each knowledge source, will result in an incomplete picture of the relationship between knowledge development efforts and innovative success. We test our assumptions on a longitudinal event history data set of the complete US biotech population of 857 firms founded during the period 1973–1999.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,412
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

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

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 Opus0,339
Tête enseignante GPT0,302
Écart entre enseignants0,037 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations106
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial and Corporate ChangeMême sujetInnovation and Knowledge ManagementTravaux en français237 207