MétaCan
Menu
Retour à la cohorte
Enregistrement W2477293308 · doi:10.1017/cbo9780511510847.007

Innovation and Research and Development in Small and Large Firms

2003· book-chapter· en· W2477293308 sur OpenAlexaff
John R. Baldwin, Petr Hanel

Notice bibliographique

RevueCambridge University Press eBooks · 2003
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversité de SherbrookeStatistics Canada
Organismes subventionnairesnon disponible
Mots-clésBusinessIndustrial organization

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION Considerable economic research has been devoted to establishing whether small and large firms differ with regard to the rate of innovation or their R&D activity. On the one hand, this research was seen to have implications for aggressive American antitrust policies that focused on large firms that performed what was perceived to be a disproportionate amount of scientific research (Scherer, 1992). But more recently, the literature has focused more on the need to develop special support for R&D in small firms (Rothwell and Zegveld, 1982; Acs and Audretsch, 1990). Since the share of total employment in Canada accounted for by small firms has been increasing (Baldwin and Picot, 1995), attention in Canada has been focused on the need for policies to facilitate more innovation in this sector. The growth of the importance of small firms has led to a reexamination of the adequacy of science and technology policies, in general, and research and development R&D subsidies, in particular, that are available to this group. If an informed decision is to be made on whether aid for small firms' R&D efforts requires policies that are distinct from those designed for large firms, it is essential to assess the differences in the R&D capacity and innovation capabilities of small and large firms. For this reason, this chapter examines whether variations exist in the R&D profile and in the tendency of small and large firms to innovate.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,005
Communication savante0,0050,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,096
Tête enseignante GPT0,228
Écart entre enseignants0,132 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetFirm Innovation and GrowthTravaux en français237 207