MétaCan
Menu
Retour à la cohorte
Enregistrement W2228581065 · doi:10.1108/s1479-067x(2004)0000009006

Firm Demographics in Silicon Valley North

2004· book-chapter· en· W2228581065 sur OpenAlexaffabout
François Brouard, Tyler Chamberlin, Jérôme Doutriaux, John de la Mothe

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversity of OttawaCarleton University
Organismes subventionnairesnon disponible
Mots-clésDemographicsSilicon valleySiliconGeographyMaterials scienceBusinessDemographyOptoelectronicsSociologyFinance

Résumé

récupéré en direct d'OpenAlex

The Ottawa-Gatineau Commercialization Task Force (CTF)was created to address issues of firm size among technology firms in SiliconValley North (SVN).To aid the CTF, teams from the business schools atCarleton University and the University of Ottawa collected research (1) toobserve the distribution of firms of various sizes in the region, and (2) tocompare SVN to other comparable technology clusters in the world.Focusingon five technological clusters (telecommunications, photonics,microelectronics, software and life sciences), the researchers utilized datacollected by the Ottawa Center for Research and Innovation (OCRI). The five clusters are described, as are the limitations of the OCRIdata.A history of SVN provides a thorough description of the evolution ofthis Canadian technology cluster, with its success attributed to its researchbase and the presence of a large private sector firm.The prevalence ofthe five technological clusters is also examined.SVN's firms are comparedin terms of size and distribution to high-tech firms in Silicon Valley,California, and Oxfordshire, England. The conclusions of the research were twofold:(1) when compared toSilicon Valley and Oxfordshire, Silicon Valley Northhas proportionatelyfewer small high-tech firms and more medium and large firms, and (2) incomparison to large California firms, Canadian high-tech firms have a tendencyto be small. (AKP)

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,438
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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)0,0050,002

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 Opus0,036
Tête enseignante GPT0,200
Écart entre enseignants0,164 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetFirm Innovation and GrowthTravaux en français237 207