International comparison of cross-disciplinary integration in industry 4.0: A co-authorship analysis using academic literature databases
Notice bibliographique
Résumé
In innovation strategy, a type of Schumpeterian competitive strategy in business administration, "intra-individual diversity" has attracted attention as one factor for creating innovation. In this study, we redefine "framework for identifying researchers' areas of expertise" as "a framework for quantifying intra-individual diversity among researchers. Note that diversity here refers to authorship of articles in multiple research fields. The application of this framework then made it possible to visualize organizational diversity by accumulating the intra-individual diversity of researchers and to discuss the innovation strategy of the organization. The analysis in this study discusses how countries are promoting research on the topics of artificial intelligence (AI), big data, and Internet of Things (IoT) technologies, which are at the core of Industry 4.0, from an innovation perspective. Note that Industry 4.0 is a technological framework that aims to “improve the efficiency of all social systems,” “create new industries,” and “increase intellectual productivity.” For the analysis, we used 19-year bibliographic data (2000–2018) from the top 20 countries in terms of the number of papers in AI, big data, and IoT technologies. As the results, this study classified the styles of cross-disciplinary fusion into four patterns in AI and three patterns in big data. This study did not consider the results in IoT because of only small differences between countries. Furthermore, regional differences in the style of cross-disciplinary fusion were also observed, and the global innovation patterns in Industry 4.0 were classified into seven categories. In Europe and North America, the cross-disciplinary integration style was similar to that between the United States, Germany, the Netherlands, Spain, England, Italy, Canada, and France. In Asia, the cross-disciplinary fusion style was similar between China, Japan, and South Korea.
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 | 0,025 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,182 | 0,215 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».