Open government data, innovation and diversification: the pursuit of economic value
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose There is a widely held belief that open government data (OGD) have the potential to generate both economic and social value. This study aims to empirically unpack the relationship between OGD, diversification activities and innovation in the pursuit of economic value creation by firms. Design/methodology/approach Using a matched sample comparison method and difference-in-differences analyses, the authors study the impact of OGD on innovation over time in the USA. The authors considered the open government directive in the end of 2009 in the USA as a policy intervention and collected 10 years of financial data of 79 firms that use OGD and 79 matched control firms in the USA. The authors compare US firms using OGD, with matched control firms, regarding the firms’ level of product diversification as a measure of innovative use of OGD. Findings The authors provide empirical evidence that OGD policy contributes toward innovation, and hence economic value creation, through product diversification. Firms that leverage OGD show superior product diversification in comparison to the matching control firms. The results suggest that OGD contribute to firms’ innovation and pursuit of economic value, as evidenced by their increased product diversification. Originality/value Although the extant literature concerning OGD has underscored the impact of OGD on innovation and economic value generation, there is a lack of empirical evidence in the literature. This study seeks to add to the extant literature by providing empirical evidence that contributes to the understanding of the relationship between OGD, diversification and innovation in the pursuit of economic value creation.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle