MétaCan
Menu
Retour à la cohorte
Enregistrement W3018823898 · doi:10.26425/1816-4277-2020-2-63-67

INNOVATIVE DEVELOPMENT AS A FACTOR OF THE NATIONAL ECONOMY COMPETITIVENESS

2020· article· en· W3018823898 sur OpenAlexaboutno aff
Elena Yu. Kuzmina, Irina V. Soklakova, Igor L. Surat

Notice bibliographique

RevueVestnik Universiteta · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRegional Economic Development and Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetition (biology)ReputationBusinessRussian federationInvestment (military)Industrial organizationProduction (economics)Competitive advantageNational economyRussian economyEconomic systemMarketingEconomicsEconomic policyPolitical science

Résumé

récupéré en direct d'OpenAlex

Russian enterprises are not paying enough attention to the issues of innovative development, while global trends demonstrate the increase of enterprises competitiveness through the introduction of innovations. Innovations are able qualitatively improve enterprise performance indicators in conditions of tough competition. For many domestic enterprises, in such conditions the innovation and its specific results could be a key criterion of success. Lack of investment is the most important problem holding back innovations. The experience of support and development of innovations in Canada and South Korea has been considered in the article. It has been concluded that in general the Russian Federation is experiencing a global transfer to an innovative economy, which in the future should be an undoubted advantage for the production of competitive products. The creation of radically new products and services, as well as the enhancement of existing ones, will allow Russian enterprises systematically improve their image, increase their business reputation, which will attract more investments.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,001
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 Opus0,039
Tête enseignante GPT0,201
Écart entre enseignants0,163 · 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'étudeThéorique ou conceptuel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVestnik UniversitetaMême sujetRegional Economic Development and InnovationTravaux en français237 207