The Development of an Efficiency-Based Global Green Manufacturing Innovation Index: An Input-Oriented DEA Approach
Notice bibliographique
Résumé
Innovation-based economic growth is considered to be a vital strategic aim for all economies, but environmentally friendly concepts and sustainable development (SD) must also be considered. The literature on the Global Innovation Index (GII) shows various investigations relevant to innovation, yet the lack of comprehensive consideration within the GII of environmental concerns represents a critical challenge. This paper aims to provide a holistic-perspective evaluation model for the top 15 manufacturing countries worldwide in order to resolve this. The efficiency-based Global Green Manufacturing Innovation Index (GGMII) was developed by formulating an input-oriented data envelopment analysis model. Criteria such as the value added to the gross domestic product (GDP), corresponding CO2 emissions, and unemployment rates were examined in order to represent the economic, environmental, and social dimensions of SD, respectively. Other scientific and technological dimensions were also considered. The data corresponding to all ten of the criteria were collected from World Bank Open Data. The results show a mismatch between the original GII and the proposed GGMII for the top eight manufacturing countries (the United States, the United Kingdom, Germany, Korea, France, China, Japan, and Canada), while the remaining countries (Italy, Spain, Russia, India, Mexico, Brazil, and Indonesia) occupied the same rank in both indices, but showed a sizable diminution in their original GII scores. The proposed GGMII might be utilized as a benchmarking instrument for all countries worldwide in the future.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».