ECIN Replication Package for "Replication of 'How Much Does Immigration Boost Innovation?'"
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
<div>Materials from my replication of Hunt & Gauthier-Loiselle (2010) (hereafter HGL). </div><div> </div><div><span>Folder "data" contains the dataset "finaldata.dta" obtained from original authors' replication files: <a target="_blank" rel="nofollow" href="https://www.openicpsr.org/openicpsr/project/114172/version/V1/view">https://www.openicpsr.org/openicpsr/project/114172/version/V1/view</a></span> </div><div><br></div><div>"2010_hgl_replication.Rproj" is the R project file for the analysis folder "code" contains the code used in the replication. </div><ul><li>"recreate_t7iv.R" contains code to rerun the instrumental variables estimates in R from HGL's table 7, and provide estimates when recreating the instrument from scratch.</li><li>"recreate_table8.R" contains the code used to rerun the instrumental variables estimates in R from HGL's table 8, and provide estimates when recreating the instrument from scratch.</li><li>"bw_analysis_t8.R" contains the code to check the robustness of HGL's results against the new diagnostic tests.</li><li>"bw.cpp" contains the C++ code used to implement methods from Goldsmith-Pinkham et al. (2020)</li><li>"tables.do" contains the Stata code used by HGL for their estimates in a single do file</li></ul><div> R packages used: tidyverse, haven, janitor, kableExtra, Rcpp, fixest, modelsummary, scales.</div><div><br></div><div>Analysis conducted using R version 4.2.0<br></div><br>
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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