Technology: Democratizing Access or Exacerbating Inequality
Notice bibliographique
Résumé
The goal of this symposium is to bring together scholars studying the distributional effects of technology to address three questions: (1) For whom can technology democratize access? (2) Can technology exacerbate inequalities? (3) What can managers and policymakers do to facilitate the equitable distribution of technology-enabled opportunities? To this purpose, the symposium consists of four unique papers that study questions around equity and equality related to the diffusion and adoption of various technologies (i.e., sound synchronization technology in movies, mobile money, AI, and crowdfunding platforms). With diverse theoretical perspectives (i.e., organizational technology adoption, industry emergence, labor employment, and social exchange), different levels of analysis (i.e., individual, organizational, market, and country levels) and various methods (i.e., historical and archival, abductive, survey experiments, and matching in large samples), these four studies together represent a thoughtful inquiry into the issue of technology and inequality and shed light on when and under what conditions technology may be more or less likely to foster (in)equity. Beyond the Decibels: U.S. Movie Theaters’ Adoption of Sound Synchronization Technology, 1927-1931 Author: Ying Li; Hong Kong U. of Science and Technology Author: Laura E. Dupin; Amsterdam Business School, U. of Amsterdam Regulatory Uncertainty, State Fragility, and Emergence of the African Mobile Money Industry Author: Audra Wormald; Kenan-Flagler Business School, U. of North Carolina at Chapel Hill Who Needs College? Employers Value Adults with Training Certificates Author: Hatim A. Rahman; Northwestern Kellogg School of Management Author: Nicole Kreisberg; - Does Equity Crowdfunding Provide Better Funding Opportunities for Underrepresented Founders? Author: Melody Chang; USC Marshall School of Business
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,000 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 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 ».