MétaCan
Menu
Retour à la cohorte
Enregistrement W2133367055 · doi:10.1177/1527002509355639

Learning by Doing, Knowledge Spillovers, and Technological and Organizational Change in High-Altitude Mountaineering

2009· article· en· W2133367055 sur OpenAlex
John R. Boyce, Diane P. Bischak

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Sports Economics · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMountaineeringAltitude sicknessDemographyClimbingNationalityDemographic economicsEffects of high altitude on humansGeographyPsychologyMedicineEconomicsSociologyMeteorology

Résumé

récupéré en direct d'OpenAlex

We present an analysis of microlevel data from mountaineering on the 14 peaks over 8,000 m in height during the period 1895-1998. Prior to 1950, no expedition was successful in making an ascent and almost half of expeditions experienced a death, frostbite, or altitude sickness. By the 1990s, however, over half of the expeditions would successfully make an ascent and only about one in seven would experience an adverse outcome. Our objective is to distinguish between the effects of learning by doing and knowledge spillovers versus the effects of changes in technology or economic organization in explaining these results. As we can identify each climber by name and nationality, as well as each expedition team's methods and outcomes, we are able to disentangle the effects of learning at the individual, national, and international levels from effects due to improvements in climbing technology or changes in organizational methods and objectives. We find evidence that both individual learning by doing and learning through knowledge spillovers have contributed to the observed increase in ascent rates and to the decrease in death, frostbite, and altitude sickness rates.

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 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,011
Tête enseignante GPT0,270
Écart entre enseignants0,260 · 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