MétaCan
Menu
Retour à la cohorte
Enregistrement W3197520298 · doi:10.3390/joitmc7030191

From Catching Up to Convergence of the Latecomer Firms: Comparing Behavior and Innovation Systems of Firms in Korea and the US

2021· article· en· W3197520298 sur OpenAlexaff
Buru Im, Keun Lee

Notice bibliographique

RevueJournal of Open Innovation Technology Market and Complexity · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensCanadian Institute for Advanced Research
Organismes subventionnairesnon disponible
Mots-clésProfitability indexConvergence (economics)Corporate governanceShareholderBusinessDividendMonetary economicsIndustrial organizationEconomicsFinanceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: This paper addresses the issue of catching and convergence at the level of firms, and investigates whether Korean firms tend to converge toward mature firms represented by the US firms in terms of their behavior and performance as well as firm-level innovations systems. It conducts regression analyses of several behavior and performance variables, using the data of the Korean and US firms during the 1990s, the 2000s, and 2010s. It finds some evidence of convergence, such that Korean firms become more profitability- rather than growth-oriented, borrowing and investing less, and thus being less indebted. However, they have not changed much in terms of their behavior toward firm values and dividend tendencies. Further analyses, using the patent-derived, innovation system variables, also confirm some aspects of convergence, compared with the early results, for which self-citations become significant and positive for firm values; furthermore, the variable of cycle time of technology is no longer significant for profitability, which is consistent with the results from the US firms. Meanwhile, changes in corporate governance associated with the rise of foreign shareholder are also shown to have resulted in higher profitability but insignificant change in firm values. An emerging conclusion is an ongoing but partially completed process of convergence.

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)0,003
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 seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,074
Tête enseignante GPT0,284
Écart entre enseignants0,210 · 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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Open Innovation Technology Market and ComplexityMême sujetFirm Innovation and GrowthTravaux en français237 207