HOW DO HIGH, MEDIUM, AND LOW TECH FIRMS INNOVATE? A SYSTEM OF INNOVATION (SI) APPROACH
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.
Notice bibliographique
Résumé
In the past decade, the innovation literature has mainly targeted high-tech (HT) sectors due to their higher return on investment and important role in building new societies and economies. While the HT sector is still of a leading importance, whether medium and low tech (LMT) sectors should be equivalently considered when analyzing long term economic growth, in both leading and catching up economies, is a fundamental question. This paper is our second milestone comparing HT and LMT sectors from an innovation perspective, using a National System of Innovation (NSI) approach. The general aim of this paper is to find the main principles that govern the difference between the two industrial segments (HT and LMT) while controlling for supranational boundaries. In order to measure the effect of NSI, countries are divided into two groups: leading and catching up economies. Our results suggest that, with respect to HT, leading economies can be considered as innovators, while catching up economies are the imitators. Furthermore, HT in leading economies relies on product modularity to outsource various components probably to firms in catching up economies. Catching ups are putting greater emphasis on universities to produce knowledge. In addition, firms in catching up economies benefit from high accessibility to funds in order to grow various industrial sectors, especially LMT. The role of institutions and governments with respect to regulatory policies, intellectual property protections are of high importance for firms in catching up economies, especially in LMT. As a result of those important steps, the various agents in catching up economies have achieved sustainable growth, notably in LMT. In contrast, the same growth is observed for HT for firms in leading economies. Our results suggest that catching up countries are strategizing for this sectoral evolution, renewal, and transformation process for both sectors, but with a stronger emphasis on LMT.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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