MétaCan
Menu
Retour à la cohorte
Enregistrement W4384154424 · doi:10.1080/2157930x.2023.2233208

Grassroots innovations and innovators: the case of Iran

2023· article· en· W4384154424 sur OpenAlexaff
Akram Ghadimi, Mojgan Samandar Ali Eshtehardi, Marzieh Saviz

Notice bibliographique

RevueInnovation and Development · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésGrassrootsContext (archaeology)Capital cityGeographyCapital (architecture)Descriptive statisticsCluster analysisState (computer science)Cluster (spacecraft)Regional scienceEconomic growthBusinessPolitical scienceEconomic geographyComputer scienceEconomicsStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Grassroots innovations (GIs) are considered alternative pathways of innovation that better match sustainable development goals. The study aims to better understand the nature of GIs in the context of a developing country, Iran. It introduces a novel dataset of GIs in Iran. It employs a descriptive analysis and K-mean cluster analysis on Multiple correspondence analysis (MCA) to investigate (1) the state of the art of GIs in the country, and if any patterns can be detected in the characteristics of GIs. The result indicates the majority of Iranian grassroots innovators are males living in urban areas. The provinces Fars and South-Khorasan accommodate together about 40% of the innovators, while Tehran (Iran’s capital) is ranked fourth after Hamadan Province. The study highlights the differences between the country’s GI and patent activities. The result of clustering analysis on MCA indicates the patterns of grassroots innovation in the context of Iran by detecting three clusters.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,852
Score d'incertitude au seuil0,452

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,045
Tête enseignante GPT0,262
Écart entre enseignants0,217 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation and DevelopmentMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207