The 2014 EU Industrial R&D Investment Scoreboard
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
The 2014 "EU Industrial R&D Investment Scoreboard" (the Scoreboard) contains economic and financial data for the world's top 2500 companies ranked by their investments in Research and Development (R&D). The sample contains 633 companies based in the EU and 1867 companies based elsewhere. The Scoreboard data are drawn from the latest available companies' accounts, i.e. usually the fiscal year 2013/14. \nKey findings of the 2014 Scoreboard comprise: \n- The world top 2500 R&D investors continued to increase their investment in R&D (4.9%), well above the growth of net sales (2.7%). The 633 EU companies increased R&D by 2.6% and decreased sales by 1.9%. \n- Volkswagen leads the global ranking for the second consecutive year, showing again a remarkable increase of R&D (23.4%, up to €11.7bn). Second continues to be Samsung, showing also an impressive R&D increase of 25.4%. \n- EU companies in the automobile sector, accounting for one quarter of the total EU’s R&D, continued to increase significantly their R&D (6.2%). This reflects the good performance of automobiles companies based in Germany (9.7%) that account for three quarters of this sector’s R&D in the EU. \n- The poor R&D performance of EU companies in high-tech sectors such as Pharmaceuticals (0.9%) and Technology Hardware and equipment (-5.4%) weighed down the total R&D increase of the EU sample. The overall amount invested in R&D by EU companies in high-tech sectors represents 40% of the amount invested by their US counterparts and the gap between the two company samples is increasing with time.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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