MétaCan
Menu
Retour à la cohorte
Enregistrement W2995843330

Looking forward via the Past: An Investigation of the Evolution of the Knowledge Base of Robotics Firms

2019· preprint· en· W2995843330 sur OpenAlexfundno aff
Eric Estolatan, Aldo Geuna

Notice bibliographique

RevueInstitutional Research Information System University of Turin (University of Turin) · 2019
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoCollegio Carlo Alberto
Mots-clésArtificial intelligenceRoboticsRestructuringContext (archaeology)Knowledge basePerspective (graphical)Set (abstract data type)Knowledge managementPreferenceIndustrial organizationBusinessEconomicsComputer scienceRobotMicroeconomicsBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The case studies described in this paper investigate the evolution of the knowledge bases of the two leading EU robotics firms - KUKA and COMAU. The analysis adopts an evolutionary perspective and a systems approach to examine a set of derived patent-based measures to explore firm behavior in technological knowledge search and accumulation. The investigation is supplemented by analyses of the firms' historical archives, firm strategies and prevailing economic context at selected periods. Our findings suggest that while these enterprises maintain an outwardlooking innovation propensity and a diversified knowledge base they tend to have a higher preference for continuity and stability of their existing technical knowledge sets. The two companies studied exhibit partially different responses to the common and on-going broader change in the robotics industry (i.e. the emergence of artificial intelligence and ICT for application to robotics); KUKA is shown to be more outward-looking than COMAU. Internal restructuring, economic shocks and firm specificities are found to be stronger catalysts of change than external technology-based stimuli.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,788
Score d'incertitude au seuil0,615

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,229
Écart entre enseignants0,177 · 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 tête enseignante, 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Research Information System University of Turin (University of Turin)Même sujetFirm Innovation and GrowthTravaux en français237 207