ECIN Replication Package for "Replication of 'How Much Does Immigration Boost Innovation?'"
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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».