MétaCan
Menu
Retour à la cohorte
Enregistrement W3015622533 · doi:10.3386/w15437

Not Invented Here? Innovation in Company Towns

2009· preprint· en· W3015622533 sur OpenAlexafffund
Ajay Agrawal, Iain Cockburn, Carlos Rosell

Notice bibliographique

RevueNational Bureau of Economic Research · 2009
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensGovernment of CanadaUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDistribution (mathematics)Scope (computer science)BusinessEconomic geographyIndustrial organizationEconomics

Résumé

récupéré en direct d'OpenAlex

We examine variation in the concentration of inventive activity across 72 of North America's most highly innovative locations. In 12 of these areas, innovation is particularly concentrated in a single, large firm; we refer to such locations as "company towns.'' We find that inventors employed by large firms in these locations tend to draw disproportionately from their firm's own prior inventions (as measured by citations to their own prior patents) relative to what would be expected given the underlying distribution of innovative activity across all inventing firms in a particular technology field. Furthermore, we find such inventors are more likely to build upon the same prior inventions year after year. However, smaller firms in company towns do not exhibit this myopic behavior; they draw upon prior inventions as broadly as their small-firm counterparts in more diverse locations. In addition, we find that inventions by large firms in company towns have less impact than those produced elsewhere, although the difference is modest, and that the impact is disproportionately appropriated by the inventing firms themselves. Finally, the geographic scope of impact realized by company town inventions is narrower, whether produced by large or small firms.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,399
Tête enseignante GPT0,444
Écart entre enseignants0,045 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetRegional Economics and Spatial AnalysisTravaux en français237 207