MétaCan
Menu
Retour à la cohorte
Enregistrement W2131913147 · doi:10.1142/s1363919615400010

DOES GOVERNMENT FUNDING HAVE THE SAME IMPACT ON ACADEMIC PUBLICATIONS AND PATENTS? THE CASE OF NANOTECHNOLOGY IN CANADA

2015· article· en· W2131913147 sur OpenAlexaffabout
Leila Tahmooresnejad, Catherine Beaudry

Notice bibliographique

RevueInternational Journal of Innovation Management · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésCitationCitation impactGovernment (linguistics)ProductivityCitation analysisRealmPolitical scienceBibliometricsBusinessEconomicsLibrary scienceEconomic growthComputer science

Résumé

récupéré en direct d'OpenAlex

University patenting has become an important research outcome in the past few decades. There has been an increase in the number of faculty patents and individual scientists listed as inventors on patent applications. The effective allocation of funding to universities is of great concern to policymakers. In this paper, we evaluate whether an increase in government funding for academic scientists enhances the performance of researchers in both scientific publications and academic patents or if this merely increases publications in the academic realm. We provide summary statistics from nanotechnology data in Quebec, compare it with other provinces in Canada, and build econometric models of various publication, patenting and grant databases. The analysis illustrates the strong relationship between funding and publication productivity as well as the citation impact of publications. In the light of research performance in patenting activities of academic researchers, this empirical study finds a strong influence on the number of patents. Moreover, increased funding appears to strengthen the citation impact of patents in Quebec, which affects the citation impact of patenting activities.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,066
Tête enseignante GPT0,298
Écart entre enseignants0,232 · 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

Citations9
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovation ManagementMême sujetInnovation Policy and R&DTravaux en français237 207