Scaling up Socially-Oriented Markets:Tipping Point Dynamics in Coupled Supply and Demand Diffusion
Notice bibliographique
Résumé
Complex societal challenges, from poverty alleviation to healthy food consumption to ecosystem preservation, have progressively emerged from early -and still persisting- modes of industrialization and consumption that have evolved without consideration for the long-term adverse consequences for either or both the health of the people and that of the planet. Reaching sufficient scale of impact requires to place these considerations upfront as a driver of innovation, profitability and growth in mainstream commercial markets. However, creating such new markets that transform existing social, economic and institutional arrangements is a complex process. In this process numerous practices, ideas and innovations are to be adopted by multiple stakeholders within and across both supply and demand sides of the market, with this coupled adoption posing great challenges. We develop a dynamic computational model that builds on and advances well-known diffusion models. Coupling two sets of stakeholders i.e. these driving supply and demand in the model, we explore the tipping points in widespread adoption of practices based on contextual factors and successful market creation. Besides, we study how diffusion of practices on each side of the market and interactions between two sides facilitate or hinder creation of a new market. Insights from the model enable us to better understand the complexities in creating new markets that need parallel and interconnected adoption of particular practices, and provide policy insights for market-centered interventions.
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 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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».