MétaCan
Menu
Retour à la cohorte
Enregistrement W4385212501 · doi:10.5465/amproc.2023.10645symposium

Insights on the Determinants of Scientific Knowledge Production

2023· article· en· W4385212501 sur OpenAlexaffabout
Gabriel Cavalli, Anita M. McGahan, Michael Blomfield, Caroline Fry, Matteo Tranchero, Keyvan Vakili, Soomi Kim

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)Knowledge productionData scienceKnowledge managementComputer scienceBusinessEconomics

Résumé

récupéré en direct d'OpenAlex

Scholars of Strategic Management, Technology and Innovation Management, and Research Methods have recently sought to integrate theories that investigate the determinants of scientific knowledge production. In this Symposium, we propose to advance research on these determinants through the presentation of scholarly papers by four authors, each of whom will present recent findings developed with co-authors on this topic. The papers will be discussed formally by an emerging scholar in this domain. The purpose of the symposium is to support scholarly dialogue among participants, with the discussant, and in a question-and-answer session with attendees. We envision that this dialogue will advance frontier approaches to understanding how scientific knowledge production can be fostered institutionally, organizationally, and methodologically. Stimulating Innovation on Neglected Diseases: Institutional Development and Knowledge Production Author: Gabriel Cavalli; U. of Toronto, Rotman School of Management Author: Michael Blomfield; U. of Massachusetts, Amherst Author: Anita McGahan; U. of Toronto Author: Keyvan Vakili; London Business School Migration and Global Network Formation: Evidence from Female Scientists in Developing Countries Author: Caroline Fry; Massachusetts Institute of Technology Author: Jeffrey Furman; Boston U. How does Data Access shape Science? Evidence from the Impact of U.S. Census’s Research Data Centers Author: Abhishek Nagaraj; UC Berkeley & NBER Author: Matteo Tranchero; Haas School of Business, UC Berkeley The Pursuit of Novelty in Science and Technology Author: Keyvan Vakili; London Business School Author: Michael A. Bikard; INSEAD Author: Florenta Teodoridis; California Southern U.

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)0,027
score de la tête « metaresearch » (Gemma)0,111
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,111
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,009
Études des sciences et des technologies0,0030,011
Communication savante0,0190,015
Science ouverte0,0020,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,070
Tête enseignante GPT0,257
Écart entre enseignants0,187 · 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
DomaineIncitatifs
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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetEconomic Growth and ProductivityTravaux en français237 207