MétaCan
Menu
Retour à la cohorte
Enregistrement W4306249100 · doi:10.1093/jeg/lbac028

Liability or opportunity? Reconceptualizing the periphery and its role in innovation

2022· article· en· W4306249100 sur OpenAlexaff
Johannes Glückler, Richard Shearmur, Kirsten Martinus

Notice bibliographique

RevueJournal of Economic Geography · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensMcGill University
Organismes subventionnairesAustralian Research Council
Mots-clésPosition (finance)Economic geographyNormativeField (mathematics)Context (archaeology)Core (optical fiber)LiabilitySociologyDual (grammatical number)Focus (optics)Actor–network theoryRegional scienceEpistemologyPolitical scienceGeographyBusinessSocial scienceLawComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract The continued emphasis on innovation in urban and clustered settings has led many geographers to conceive peripheries as laggard and non-innovative. After reconstructing discussions of the periphery in the context of the geography of firm-level innovation, we argue that normative connotations should be stripped away, and that ‘periphery’ and ‘center’ are better understood as positions in a field. We draw upon concepts current in network theory and propose a relational definition of periphery as a distant, dispersed and disconnected position relative to a core within a field. A key distinction is made between the position of an actor in geographical space (location) and the position of an actor in a social network of relations. Combining geographic and network dimensions of an actor’s position, our aim in this article is to propose a dual core-periphery framework which provides the vocabulary and concepts to empirically scrutinize the role of periphery in innovation processes. Although we focus on the geography of innovation, this framework can be applied more broadly to discussions of peripherality.

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)0,008
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,043
Communication savante0,0110,020
Science ouverte0,0020,012
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,051
Tête enseignante GPT0,236
Écart entre enseignants0,186 · 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'étudeThéorique ou conceptuel
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

Citations96
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Economic GeographyMême sujetRegional Economics and Spatial AnalysisTravaux en français237 207