MétaCan
Menu
Retour à la cohorte
Enregistrement W4415387026 · doi:10.1080/10438599.2025.2571618

Building a scientific community? The WOEPS workshop and the evolution of the economics of science, 1994–2023

2025· article· en· W4415387026 sur OpenAlexaff
Daniel Souza, Aldo Geuna, Cornelia Lawson

Notice bibliographique

RevueEconomics of Innovation and New Technology · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueUniversity-Industry-Government Innovation Models
Établissements canadiensCanadian Institute for Advanced Research
Organismes subventionnairesEuropean Commission
Mots-clésApplied economicsField (mathematics)Economic methodologySchools of economic thoughtScience communicationHeterodox economicsProcess (computing)Hard and soft scienceBusiness economicsBehavioral economics

Résumé

récupéré en direct d'OpenAlex

The paper studies the development of the Economics of Science as a new emerging field in the social sciences during the period 1994–2023. To identify the community of scholars working on this new scientific topic, we examine authors citing two seminal papers and use network analysis to investigate the cognitive and organizational characteristics of the community of authors. Our findings suggest that the Economics of Science is still in the process of becoming an independent and cohesive field, exhibiting a highly fragmented structure. We also study the role of the ‘Workshop on the Organisation, Economics, and Policy of Scientific Research’ (WOEPS), initiated in 2007, for the Economics of Science community. We show that WOEPS presenters have more economists of science as coauthors and are better positioned to connect different clusters of authors in the wider Economics of Science network than other members of the network, highlighting its importance for linking scholars in the field. We also show that WOEPS papers are published in higher ‘quality’ journals, receive relatively more citations, and significantly more citations from within the Economics of Science field compared to other Economics of Science papers.

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)0,018
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,061
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0030,006
Communication savante0,0070,009
Science ouverte0,0010,006
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,021
Tête enseignante GPT0,225
Écart entre enseignants0,204 · 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.

Devis d'étudeObservationnel
DomaineÉvaluation
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 revueEconomics of Innovation and New TechnologyMême sujetUniversity-Industry-Government Innovation ModelsTravaux en français237 207