Capacidad de innovación desde el modelado estadístico
Notice bibliographique
Résumé
La capacidad de innovación de un país contribuye a mejorar su posición competitiva, por lo que el objetivo de esta investigación es analizar la capacidad de innovación en México y su posicionamiento a nivel mundial. En metodología se realizó un análisis multivariado de análisis de clúster para clasificar 109 países en función al Índice de Competitividad Global, posteriormente a través del análisis de regresión lineal múltiple se diseñó un modelo estadístico de la relación funcional de México con respecto al constructo de capacidad de innovación. Los resultados derivan en una contribución significativa porque se realiza un mapeo de las economías clasificándolas en cinco clústeres y para el caso de México se obtiene un modelo de la capacidad de innovación explicada por cinco variables: población que usa internet, artículos científicos y técnicos, patentes, gasto en investigación y desarrollo en porcentaje del producto interno bruto e Investigadores. En conclusión, este artículo provee un panorama comparativo del desempeño de los países evaluados, además modela la capacidad de innovación de México. Estos hallazgos representan un diagnóstico para el diseño o mejora de las políticas públicas que fomenten la innovación y competitividad.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 tête enseignante, 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 ».