MétaCan
Menu
Retour à la cohorte
Enregistrement W2609943260 · doi:10.5755/j01.ee.28.2.17518

How the Level of Economic Growth and the Constituent Elements of Innovation Attract International Talent?

2017· article· en· W2609943260 sur OpenAlexaboutno aff
María José Miranda-Martel, Antonio Mihi‐Ramírez, Jesús Arteaga-Ortíz

Notice bibliographique

RevueEngineering Economics · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessEconomic geographyIndustrial organizationMarketingEconomics

Résumé

récupéré en direct d'OpenAlex

The international flow of highly skilled workers has a large effect on any country. Simultaneously innovation and its´ constituent elements allow increasing growth in a sustainable way. This paper analyses whether innovation and economic growth levels are related with the attraction of highly skilled immigrants. In order to do that a cluster analysis of 182 countries which are net exporters of highly skilled immigrants and 25 receiving countries, members of the OECD. It includes a detailed discussion of results by world regions including examples of specific programmes and policies for each variable of the study. Overall, our results confirm that the attraction of international talent is related with the constituent elements of innovation and with the level of economic growth. In this regard, countries like the USA, Australia, Canada and the United Kingdom are among the main destinations of highly skilled immigrants of any region of origin due to the implementation of policies that favour the development of innovation. However, access restrictions for highly skilled workers would limit the effects of those policies. Therefore, in the design of strategies for attracting talent, the qualification of such workers should have precedence over the country of origin of the person, encouraging more the innovation activities of highly skilled immigrants.DOI: http://dx.doi.org/10.5755/j01.ee.28.2.17518

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)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,099
Tête enseignante GPT0,224
Écart entre enseignants0,125 · 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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering EconomicsMême sujetGlobal trade and economicsTravaux en français237 207