MétaCan
Menu
Retour à la cohorte
Enregistrement W4402913263 · doi:10.24124/2024/59545

API economy: Constraints to its growth and development

2024· dissertation· en· W4402913263 sur OpenAlexfundno aff
Ashishpal Singh

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Development and Digital Transformation
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Northern British Columbia
Mots-clésComputer scienceBusiness

Résumé

récupéré en direct d'OpenAlex

,In generic terms, API is a way for two applications to communicate with each other over a network using a common language. It has evolved to be a powerful tool for companies across various industries such as banking, healthcare, online retail, and others, to speed up their business operations. APIs are an integral part of the digital economy. Due to the non-availability of API economy data, this research shows the contribution of a selected sample of API companies in strengthening the digital economy. In Objective 1, this research has measured the growth of the APIs economy and digital economy at the macro level, Objective 2 measures the growth pattern of each company in the sample, Objective 3 identifies the APIs-related constraints through a literature review, Objective 4 classifies APIs related constraints into three different categories i.e. APIs as a Product constraint, APIs as a Service constraint and APIs as a Product-Service constraint. A review of the literature on this subject has shown that there are constraints related to Scalability, Manageability, Security, and possibly other challenges that restrict the building of an effective ecosystem of APIs. Therefore, an exploratory study-based approach has been taken in this research that helps in measuring the growth of companies in the presence of API-specific constraints/challenges that create roadblocks in achieving companies’ objectives. Overall, the findings of this research will help in creating new knowledge and information about various APIs specific constraints, risks, and challenges that affect APIs and Digital Economy’s growth.

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)0,004
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,003
Communication savante0,0110,008
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,030
Tête enseignante GPT0,214
Écart entre enseignants0,185 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEconomic Development and Digital TransformationTravaux en français237 207