MétaCan
Menu
Retour à la cohorte
Enregistrement W3121899766 · doi:10.1086/689890

Social Influence Given (Partially) Deliberate Matching: Career Imprints in the Creation of Academic Entrepreneurs

2017· article· en· W3121899766 sur OpenAlexaff
Pierre Azoulay, Christopher C. Liu, Toby E. Stuart

Notice bibliographique

RevueAmerican Journal of Sociology · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEndogeneityMatching (statistics)Set (abstract data type)TriangulationPsychologyInterpretation (philosophy)Social psychologyGenerative grammarInstrumental variableTracking (education)EconometricsComputer sciencePedagogyEconomicsMathematicsArtificial intelligenceStatistics

Résumé

récupéré en direct d'OpenAlex

Actors and associates often match on a few dimensions that matter most for the relationship at hand. In so doing, they are exposed to unanticipated social influences because counterparts have broader attitudes and preferences than would-be contacts considered when they first chose to pair. The authors label as “partially deliberate” social matching that occurs on a small set of attributes, and they present empirical methods for identifying causal social influence effects when relationships follow this generative logic. A data set tracking the training and professional activities of academic biomedical scientists is used to show that young scientists adopt their advisers’ orientations toward commercial science as evidenced by adviser-to-advisee transmission of patenting behavior. The authors demonstrate this in two-stage models that account for the endogeneity of matching, using both inverse probability of treatment weights and an instrumental variables approach. They also draw on qualitative methods to support a causal interpretation. Overall, they present a theory and a triangulation of methods to establish evidence of social influence when tie formation is partially deliberate.

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)0,004
score de la tête « metaresearch » (Gemma)0,036
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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,003
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,031
Tête enseignante GPT0,306
Écart entre enseignants0,274 · 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

Citations129
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of SociologyMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207