MétaCan
Menu
Retour à la cohorte
Enregistrement W4242595838 · doi:10.32920/ryerson.14667888

The Evolution and Spatial Dimensions of Invention in Canada, 1991 - 2011

2021· preprint· en· W4242595838 sur OpenAlexaboutno aff
Yiyan Liang

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetropolitan areaTrademarkTypologyCensusEconomic geographyProductivityDistribution (mathematics)GeographyRegional scienceOrder (exchange)EconomyBusinessEconomic growthPolitical scienceEconomicsSociologyDemographyFinance

Résumé

récupéré en direct d'OpenAlex

The rapid development of information technology and medical research in the 21st century is a result of the increasing number of inventions. Inventive activity is thought to be an important catalyst for economic change and increased productivity. In order to measure a location’s inventive potential, different aspects such as geographic location, corporate assistance, and socio-economic factors can be studied. This study examines the spatial distribution and typology of Canadian inventions for the years 1991, 2001, 2006, and 2011, using patent data issued by the United States Patent and Trademark Office. The research results suggest that inventive activity is declining in major metropolitan areas such as Toronto, Vancouver, and Montreal. On the other hand, medium-sized metropolitan areas like Ottawa, Calgary, Kitchener-Waterloo, and Saskatoon are experiencing increasing inventiveness. These areas have specialized economies based on high technology and petroleum. The regression analysis shows that regional innovation can be explained by census variables in groups of dwelling type, education level, and industry sector. The analysis also shows Canada has shifted from a manufacturing economy to a high technology and services-based economy.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
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 enseignants0,992
Score d'incertitude au seuil0,514

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0080,022
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,196
Écart entre enseignants0,171 · 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.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFirm Innovation and GrowthTravaux en français237 207