MétaCan
Menu
Retour à la cohorte
Enregistrement W4417455724 · doi:10.48550/arxiv.2512.13178

Predicting the Emergence of the EV Industry: A Product Space Analysis Across Regions and Firms

2025· preprint· W4417455724 sur OpenAlexaboutno aff
Katharina Ledebur. Ladislav Bartuska, Klaus S. Friesenbichler, Peter Klimek

Notice bibliographique

RevueArXiv.org · 2025
Typepreprint
Langue
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Technological Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomotive industryElectrificationDiversification (marketing strategy)CentralityLeverage (statistics)Product (mathematics)Competitive advantageCloseness

Résumé

récupéré en direct d'OpenAlex

The automotive industry is undergoing transformation, driven by the electrification of powertrains, the rise of software-defined vehicles, and the adoption of circular economy concepts. These trends blur the boundaries between the automotive sector and other industries. Unlike internal combustion engine (ICE) production, where mechanical capabilities dominated, competitiveness in electric vehicle (EV) production increasingly depends on expertise in electronics, batteries, and software. This study investigates whether and how firms' ability to leverage cross-industry diversification contributes to competitive advantage. We develop a country-level product space covering all industries and an industry-specific product space covering over 900 automotive components. This allows us to identify clusters of parts that are exported together, revealing shared manufacturing capabilities. Closeness centrality in the country-level product space, rather than simple proximity, is a strong predictor of where new comparative advantages are likely to emerge. We examine this relationship across industrial sectors to establish patterns of path dependency, diversification and capability formation, and then focus on the EV transition. New strengths in vehicles and aluminium products in the EU are expected to generate 5 and 4.6 times more EV-specific strengths, respectively, than other EV-relevant sectors over the next decade, compared to only 1.6 and 4.5 new strengths in already diversified China. Countries such as South Korea, China, the US and Canada show strong potential for diversification into EV-related products, while established producers in the EU are likely to come under pressure. These findings suggest that the success of the automotive transformation depends on regions' ability to mobilize existing industrial capabilities, particularly in sectors such as machinery and electronic equipment.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
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 Opus0,088
Tête enseignante GPT0,279
Écart entre enseignants0,191 · 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.

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 revueArXiv.orgMême sujetEconomic and Technological InnovationTravaux en français237 207