Searching for knowledge in response to proximate and remote problem sources: Evidence from the U.S. renewable electricity industry
Notice bibliographique
Résumé
Abstract Research Summary We consider how different problem sources—proximate versus remote—relate to heterogeneity in search breadth. While studies of search have established the importance of search breadth, and argued that problems trigger search, they have focused on a single problem source instigating search. We extend prior research by considering how search breadth differs in the presence of proximate and remote problem sources. Because of differences in familiarity with each type of problem, and in expectations of their ability to influence the problem source, problems triggered by remote sources associate with greater breadth. Firms' technological capabilities, meanwhile, temper these findings; capable firms exhibit broader search when facing problems raised by proximate sources. Using data describing the U.S. renewable electricity sector, we generate theoretical and empirical implications. Managerial Summary When facing new problems, firms tend to seek knowledge from various sources to better understand the problem and identify relevant solutions. The source of the problem may be an important trigger to the breadth of search activities, particularly whether the source is proximate or remote. To test this notion, we compare U.S. utility firms' search breadth when facing regulations emphasizing increased renewable generation, from both the federal and the state government. We find that firms tend to search for knowledge about renewable technologies more broadly following federal regulatory actions. However, firms that have previously generated renewable electricity search more broadly following state regulatory actions. By exploring firms' choices in the U.S. renewable electricity sector, our research generates important managerial and public policy implications.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».