MétaCan
Menu
Retour à la cohorte
Enregistrement W4226297015 · doi:10.1017/s0022109022000503

Inter-Firm Inventor Collaboration and Path-Breaking Innovation: Evidence From Inventor Teams Post-Merger

2022· article· en· W4226297015 sur OpenAlexaff
Kai Li, Wang Jin

Notice bibliographique

RevueJournal of Financial and Quantitative Analysis · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensWilfrid Laurier UniversityUniversity of British Columbia
Organismes subventionnairesHigher Education Discipline Innovation Project
Mots-clésBusinessTacit knowledgeIndustrial organizationPath (computing)Set (abstract data type)Mergers and acquisitionsHuman capitalCapital (architecture)Knowledge managementMarketingEconomicsComputer scienceMarket economyFinance

Résumé

récupéré en direct d'OpenAlex

Abstract Using a large and novel data set over the period of 1976 to 2019 tracking inventors’ career paths following mergers and acquisitions, we show that collaboration between acquirer and target inventors post-merger is associated with more path-breaking patents than those filed by either acquirer or target inventor-only teams. We further show that such collaboration is more important in improving acquirers’ innovation capabilities than hiring target inventors and knowledge spillovers. Finally, we show that recombining tacit knowledge embodied in the human capital of acquirer and target inventors is likely the mechanism. We conclude that inter-firm inventor collaboration is one key means for achieving synergies.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,024
Score d'incertitude au seuil0,535

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,030
Tête enseignante GPT0,268
Écart entre enseignants0,238 · 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'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

Citations45
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Financial and Quantitative AnalysisMême sujetCorporate Finance and GovernanceTravaux en français237 207