Estimating the GDP effect of Open Source Software and its complementarities with R&D and patents: evidence and policy implications
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 Open Source Software (OSS) has become an increasingly important knowledge asset in modern economies. However, the economic impact of OSS on countries’ GDP is ambivalent due to its public good character. Using a cross-country panel from 2000 to 2018, including 25 of the largest EU countries plus the USA, Japan, Korea, Canada, China, Norway, and Switzerland, matching OSS commits to GitHub to macroeconomic data provided by the OECD, our results confirm the dual nature of OSS. On the one hand, the open-access character creates great learning potential by providing a commonly accessible productive resource for all countries. On the other hand, it creates outward-directed spillovers associated with own OSS contributions. Accordingly, on average, we find that countries experience an increase in GDP when the world stock of OSS grows. However, smaller countries experience a decline in GDP resulting from their own contributions due to knowledge spillovers. The net effect is nonetheless positive. If no country contributed to OSS development, GDP for the average country would be 2.2% lower in the long run. Moreover, the losses associated with unintended spillovers are lower for countries with a higher R&D and patenting intensity. Based on our findings, we derive implications for policies and regulations concerning OSS.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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