MétaCan
Menu
Retour à la cohorte
Enregistrement W2388430745

A Research on the Innovation of Science and Technology and the Escalation Elasticity of Service Outsourcing Industry:An Analysis Based on the Data of Innovative Cities and Service Outsourcing Cities

2013· article· en· W2388430745 sur OpenAlexvenueno aff
YU Shan-sha

Notice bibliographique

RevueInternational Business Research · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOutsourcingBusinessService innovationIndustrial organizationGross domestic productService (business)OffshoringTertiary sector of the economyUpgradeRegression analysisKnowledge process outsourcingMarketingEconomicsEconomic growthComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Service outsourcing industry is high-tech, high value-added and high-end services and transfer of R D of global industry structure upgrades the inevitable trend. This article, from the perspective of innovation of science and technology, selects 16 national innovation cities and service outsourcing model cities as the research sample. Through principal component analysis and stepwise regression, it is concluded that factors that impact the service outsourcing industry to upgrade the important innovation of science and technology include enterprise RD expenditure for product sales income and GDP per capita, potentially driving tendency of the innovation of science and technology factors including college students enrollment, professional and technical personnel account for the proportion of expenditure on employment, RD and GDP ratio. On this basis, this paper, by constructing a regression equation to calculate sensitivity analysis of the independent variable elasticity index, proposes that China tap the potential for professionals to increase the strength of investment in science and technology to promote the upgrade of the service outsourcing industry, according to the calculation results.

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)0,011
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,019
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,118
Tête enseignante GPT0,356
Écart entre enseignants0,239 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetOutsourcing and Supply Chain ManagementTravaux en français237 207