MétaCan
Menu
Retour à la cohorte
Enregistrement W4415000050 · doi:10.1142/s0116110525500313

Productivity Gains from Technology Imports and Spillovers in the Indian Manufacturing Sector

2025· article· en· W4415000050 sur OpenAlexaff
Chandrima Sikdar, Kakali Mukhopadhyay

Notice bibliographique

RevueAsian Development Review · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésProductivitySpillover effectForeign direct investmentManufacturingPanel dataManufacturing sectorInvestment (military)Technology gap

Résumé

récupéré en direct d'OpenAlex

India is currently one of the fastest-growing emerging economies in the world, with a continued focus on maintaining its growth momentum and enhancing the productivity of its manufacturing sector. This paper aims to examine the impact of technology imports and spillovers on the productivity of the Indian manufacturing sector. Applying econometric analysis to a panel of 4,293 firms from various manufacturing subsectors for the period 2006–2019, the study assesses the productivity impact on technology-importing firms and the productivity spillover effect of imported technology on domestic firms. Results suggest that firms in India have not only benefited from imports and the usage of foreign technology, but they have also gained due to technology spillovers. Foreign direct investment has been the most important horizontal spillover channel. Large and technically efficient domestic firms have also derived productivity gains from the horizontal spillover channels of trade, technology purchases, and skill spillovers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,566
Score d'incertitude au seuil0,512

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,226
Écart entre enseignants0,189 · 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 tête enseignante, pas un consensus.

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

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Development ReviewMême sujetGlobal trade and economicsTravaux en français237 207