MétaCan
Menu
Retour à la cohorte
Enregistrement W2139138955 · doi:10.18235/0009215

Innovation and Productivity in Services: Empirical Evidence from Latin America

2014· preprint· en· W2139138955 sur OpenAlexfundno aff
Gustavo Crespi, Ezequiel Tacsir, Fernando Vargas

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreInter-American Development Bank
Mots-clésLatin AmericansProductivityEmpirical evidenceEconomicsBusinessPolitical scienceMacroeconomicsPhilosophyEpistemology

Résumé

récupéré en direct d'OpenAlex

This paper analyzes and compares the determinants of innovation in the service industry and its impact on labor productivity at the firm level in three countries of Latin America (Chile, Colombia, and Uruguay). The main findings show that, similar to what is observed in manufacturing industry, service firms that invest the most in innovation activities are more likely to introduce changes or improvements in their production process and/or product mix, and those firms that innovate have higher labor productivity than non-innovative firms. Size was found to be a less relevant determinant of innovation in services than in manufacturing, suggesting that the need for infrastructure and associated sunk costs are lower in services. Conversely, cooperation was found to be far more important for innovation in services than in manufacturing, in line with the more interactive nature of innovation in services. Yet, large differences in statistical significance and size of the coefficients of explanatory variables among the countries studied suggest that the framework conditions where a firm operates have an important role in innovation decisions.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,940

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,116
Tête enseignante GPT0,287
Écart entre enseignants0,172 · 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'étudeObservationnel
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

Citations20
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFirm Innovation and GrowthTravaux en français237 207