MétaCan
Menu
Retour à la cohorte
Enregistrement W2104721420 · doi:10.5430/bmr.v1n4p117

Countermeasures Research on Developed Countries Using Intellectual Property to Promote the Development of Strategic Emerging Industries

2012· article· en· W2104721420 sur OpenAlexvenueno aff
Jie Lin, Yuzheng Han

Notice bibliographique

RevueBusiness and Management Research · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Technological Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessEmerging marketsIntellectual propertyPromotion (chess)ChinaIndustrial organizationStrategic planningStrategic managementStrategic developmentStrategic financial managementEconomic systemEconomicsMarketingPolitical scienceFinanceBusiness administration

Résumé

récupéré en direct d'OpenAlex

The strategic emerging industry is the industry that emerges in one country or region along with the implementation of technical innovation achievements and has strategic effects on economic and social development. To develop the strategic emerging industries is a significant action to promote the upgrading of industrial structure and transform the pattern of economic growth, as well as a strategic option for following the new scientific and technological revolution and dealing with the international financial crisis. For Japan, the U.S., Germany, and other developed capitalist countries, the main experiences for the development of strategic emerging industries are: highly integrate the intellectual property strategy with the development strategy of strategic emerging industries, apply the dynamic management, and smoothly connect the new ideas of the strategic emerging industries with the new market. In China, in order to develop the strategic emerging industries, we should learn from the successful experiences of developed countries, draft the promotion strategy of intellectual property at the national and industrial levels, provide protections for the development of strategic emerging industries, and effectively promote the development of strategic emerging industries.

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)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
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 Opus0,582
Tête enseignante GPT0,394
Écart entre enseignants0,188 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Management ResearchMême sujetEconomic and Technological InnovationTravaux en français237 207