Innovation and Entrepreneurship in Emerging Economies
Notice bibliographique
Résumé
It is nowadays taken for granted that innovation and entrepreneurship are indispensable for economic development. Yet, research on these topics has been mostly done in the context of developed nations. This suggests an important blind spot in the economics and management literatures. Literature is incomplete because it falls short of an adequate understanding of entrepreneurship and innovation in the development process. More than a billion people still live in extreme poverty. How does entrepreneurship and innovation matter to these bottom billion and what does this imply for our understanding of the role of the entrepreneurial or the innovation processes is thus of critical relevance. This symposium addresses a set of complementary topics investigating the role of entrepreneurship and innovation processes in a variety of emerging economies, from China to Bangladesh, the Philippines or Africa.Network Ties or Institutional Rules: How Do Entrepreneurs Innovate in Emerging Economies? Presenter: Daniel Armanios; Stanford U.Presenter: Chuck Eesley; Stanford U.Presenter: Jizhen Li; Tsinghua U.Innovation by users in emerging economies: Evidence from mobile banking services Presenter: Paul van der Boor; Catolica Lisbon / Carnegie MellonPresenter: Pedro Oliveira; Catholic U. of Portugal - FCEEThe Role Of Entrepreneurship In The African Mobile Industry GrowthPresenter: Mohammad Jahanbakht; Carnegie Mellon U.Presenter: Rui Baptista; Instituto Superior TecnicoPresenter: David Hounshell; Carnegie Mellon U.Presenter: Francisco Veloso; Catolica Lisbon / Carnegie MellonFactor Market Imperfections and Pre-Entry Experience: Spinoffs in the Bangladesh Garment IndustryPresenter: Romel Mostafa; U. of Western Ontario
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».