Shaping the Future: How Novel Fields and Market Categories Evolve
Notice bibliographique
Résumé
This symposium delves into the complexities of emerging technological fields and market categories, and how they gain wider adoption despite their novelty and associated challenges. The symposium will include discussions on the various stages of their evolution, the dynamics of their legitimacy, their impact on existing structures and industries, and the relationships among various stakeholders. Scholars will scrutinize the theoretical aspects and practical implications of these emerging fields, providing invaluable insights for navigating these evolving landscapes. The discussions aim to provide insights into the complexities underpinning the birth, development, and growth of innovative fields and categories, acknowledging their role as fertile ground for theorizing. Vision-reality gap: The Co-evolution of Visions and Technologies in Robotics (1921-2020) Author: Mia Chang-Zunino; ESCP Business School Building Bridges with Ambiguity: Category Innovation in Deep Tech Author: Angelo Romasanta; ESADE Business School Author: Jonathan D. Wareham; ESADE Legitimating the Non-comparable: Rise of Plant-based Meat and Transmutation of the Meat Category Author: Jade Lo; Drexel U. From Symbolic to Consequential: Role Enactment and Brokering in a New Market Category Author: Brandon H. Lee; Melbourne Business School
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,047 |
| Communication savante | 0,028 | 0,035 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».