ECIN Replication Package for "Replication of 'How Much Does Immigration Boost Innovation?'"
Notice bibliographique
Résumé
Materials from my replication of Hunt & Gauthier-Loiselle (2010) (hereafter HGL). Folder "data" contains the dataset "finaldata.dta" obtained from original authors' replication files: https://www.openicpsr.org/openicpsr/project/114172/version/V1/view "2010_hgl_replication.Rproj" is the R project file for the analysis folder "code" contains the code used in the replication. "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. "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. "bw_analysis_t8.R" contains the code to check the robustness of HGL's results against the new diagnostic tests. "bw.cpp" contains the C++ code used to implement methods from Goldsmith-Pinkham et al. (2020) "tables.do" contains the Stata code used by HGL for their estimates in a single do file R packages used: tidyverse, haven, janitor, kableExtra, Rcpp, fixest, modelsummary, scales. Analysis conducted using R version 4.2.0
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,490 | 0,197 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».