Responsible innovation with digital platforms: Cases in India and Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Marginalized communities globally encounter grand challenges such as lack of access to education, healthcare, and sustained livelihoods. Several initiatives to address these complex, global problems have resulted in fragmented solutions. Recognizing this, there have been several calls for the study of responsible innovation (RI) to address grand challenges. Digital platforms such as AirBnB, Uber and so forth have now become commonplace and are known to generate economic value but also face criticism for being exploitative and exclusive. Only a handful of studies show how similar platforms can innovate responsibly to serve marginalized communities by generating simultaneous economic and social value. To address this gap, our study examines the cases of two platforms that orchestrated ecosystems consisting of individuals from marginalized communities, government agencies, and other entities to provide physical, digital and societal solutions based on principles of RI. We contribute to the RI and IS literatures to show how RI solutions can be fostered through digital platforms to address grand challenges. The article provides empirical evidence of all four dimensions of the RI framework—anticipation, reflexivity, inclusion, and responsiveness ‐ and their operationalization through digital platforms. This research lays the foundation for future studies at the intersection of RI and digital platforms literature. The study also provides practice insights on developing digital platform solutions for marginalized communities to address grand challenges and is useful to policymakers to formulate appropriate interventions. It pushes the theoretical and practice boundaries of our understanding of RI and digital platforms.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| 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 découle