MétaCan
Menu
Retour à la cohorte
Enregistrement W3022106247 · doi:10.3386/w25166

The Effects of Downstream Competition on Upstream Innovation and Licensing

2018· report· en· W3022106247 sur OpenAlexafffund
Jean‐Etienne de Bettignies, Bulat Gainullin, Hua Fang Liu, David T. Robinson

Notice bibliographique

RevueNational Bureau of Economic Research · 2018
Typereport
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensQueen's UniversityUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDownstream (manufacturing)Upstream (networking)Competition (biology)Industrial organizationBusinessUpstream and downstream (DNA)Economic geographyEconomicsMarketingComputer scienceTelecommunicationsBiologyEcology

Résumé

récupéré en direct d'OpenAlex

We study how competition between two downstream firms affects an upstream innovator's innovation strategy, which includes selecting how much innovation to produce and whether to license this innovation to one (targeted licensing) or both (market-wide licensing) downstream competitors. Our model points to a U-shaped relationship between downstream competition and upstream innovation: at low levels of competition, market-wide licensing is optimal and competition reduces innovation, while at high levels of competition targeted licensing is optimal and competition increases innovation. Empirical analysis using a large panel of US data provides clear support for these predictions linking competition, innovation and licensing.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,401
Tête enseignante GPT0,428
Écart entre enseignants0,027 · 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'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

Citations6
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetIntellectual Property and PatentsTravaux en français237 207