Locations, city connectivity and innovation zones in China: a dynamic perspective of knowledge community
Notice bibliographique
Résumé
Purpose This study aims to examine two innovation zones in China, including the Suzhou Industrial Park and Tianjin Eco-city, to gain a comprehensive understanding of city locations attributes and its relationship to inward foreign direct investment (FDI) from multinational enterprises (MNEs) in innovation zones embedded in nonhub cities in China. Design/methodology/approach This research incorporates two site visits and in-depth interviews with 39 personnel working with innovation zones. Thematic analysis is used to analyze interview data and documents. Findings The results highlight that cities can use innovation zones as a strategy to build high scale knowledge community precincts to connect MNEs and other global actors. As an important institutional feature of city locations, innovation zones increase within-city connectivity and connect cities in global networks resulting in cross-city connectivity to attract FDI from MNEs. From a dynamic knowledge community perspective, this research also compares active and passive approaches toward building knowledge communities and identifies several elements of knowledge communities within innovation zones in China. Research limitations/implications The research results could be further explored in other institutional and economic contexts, to understand the interplay of city locations, FDI and innovation zones, and the dynamics of building knowledge communities. Practical implications This research has several implications for policymakers and administrators who work with municipal economic development and the development and enhancement of innovation zones. It offers recommendations for MNEs to consider where to make foreign investments and the advantages innovation zones may offer to support FDI. Originality/value This research contributes to the literature related to economic development and how nonhub cities can attract FDI and join global networks. It offers empirical insights drawn from two successful innovation zones located in nonhub cities in China.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».