Growth and Dynamics of Maturing New Media Companies
Notice bibliographique
Résumé
CONTENTS Cinzia dal Zotto, What is the New Economy? 3-9. J. Bradford DeLong and A. Michael Froomkin, Background, Questions, and Speculations for Tomorrow’s Economy. 11- 38. Aaron Braaten, The Anticipated Effect of the SuperNet on Alberta’s Media Industry. 41-54. Tobias Fredberg and Susanne Olilla, Big Brother: Analyzing the Media System Around a Reality TV Show. 55-71. Benedetta Prario and Giuseppe Richeri, Integration Strategies of a Niche Communication Company: The Case of Gambero Rosso. 73-85. Xin Xun Wu and Ji Yin Chen, The Changing Structure of Media Organizations and its Meaning During the Transformation of the Social and Economic System in China. 87-99. Jacqueline Pennings, Hans van Kranenburg and John Hagedoorn, Past, Present, and Future of the European Telecommunications Industry. 103-123. Giuseppe Pagani, Benedetta Prario, Fabiana Visentin and Yvonne Zorzi, The Key of Success, the Cause of Failure: A Comparative Analysis of Two UK Digital Television Companies. 125-137. Marco Gambaro, Growth in a Convergent World: The Bundle of TV and Telephone Services on the Fiber Optic Network, 139-153. Daeho Kim, The Impact of Digital Convergence on Broadcasting Management in Korea: Telecommunications Firms’ Entry into the Broadcasting Industry. 155-166. Franz Lehner, Will Peer-to-Peer Technologies Create New Business? 169-184. Yingzi Xu, The Successful Model of Overseas Investment in Chinese New Media Companies. 185-194. Robert C. Burns and T.Y. Lau, Censorship, Government, and the Computer Game Industry. 195-210. Cinzia dal Zotto, Managing Growth in Young Firms: A Matter of Theory or a Question of Practice? 211-233.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».