MétaCan
Menu
Retour à la cohorte
Enregistrement W7010289501

How Europe's Economies Learn:Coordinating Competing Models

2006· book· en· W7010289501 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2006
Typebook
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueResearch on scale insects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSchools of economic thoughtOrder (exchange)State (computer science)Applied economicsTechnical universityVocational education
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

When seeking to bench mark the performance of European economies, commentators often look to compare them to the economies of Japan and the United States. How Europe's Economies Learn shows how this is seriously misleading, and how any such comparison needs to be complemented with an understanding of the fundamental differences between Europe's economies. The contributors provide an up-to-date description and analysis of the way differences in state systems and institutional contexts, such as labour markets, education and training systems, and financial systems, shape learning processes and innovation performance across the member nations of the European Union. In doing so, it draws important conclusion for how policy strategies should be designed at the national and European levels in order to further promote the goals of the Lisbon process. Contributors to this volume - Christian Bessy, CNRS Research Fellow, Ecole Normale Superieure de Cachan, France, Adne Cappelen, Director of Research, Statistics Norway, Norway, Patrick Cohendet, Professor, Department of International Business, HEC School of Management, Canada, Giovanni Dosi, Professor, Laboratory of Economics and Management (LEM), Sant'Anna School of Advanced Studies, Italy, Mei Ho, Doctoral Candidate, Eindhoven Centre for Innovation Studies, Eindhoven Technical University, The Netherlands, Mauro Sylos Labini, Doctoral Candidate, Laboratory of Economics and Management (LEM), Sant'Anna School of Advanced Studies, Italy, Alice Lam, Professor of Organization Studies, School of Management, Royal Holloway University of London, UK, Caroline Lanciano-Morandat, CNRS Research Fellow, Laboratory of Economics and Labour Sociology (LEST), University of Aix-en-Provence, France, Patrick Llerena, Professor, Office for Theoretical and Applied Economics (BETA) University Louis Pasteur, France, Edward Lorenz, Professor, University of Nice-Sophia Antipolis, France, Bengt-Ake Lundvall, Professor, Department of Business Studies, Aalborg University, Denmark, Chantale Mailhot, Associate Professor, Department of International Business, HEC School of Management, Canada, Peter Nielsen, Professor, Aalborg University, Denmark, Hiroatsu Nohara, CNRS Research Fellow, Laboratory of Economics and Labour Sociology (LEST), University of Aix-en-Provence, France, Maria Joao Rodrigues, President, European Commission's Advisory Group for Social Sciences and Professor, University Institute, Portugal, Veronique Schaeffer, Assistant Professor, Office for Theoretical and Applied Economics (BETA) University Louis Pasteur, France, Mark Tomlinson, Lecturer, Birmingham Business School, University of Birmingham, UK, Andrew Tylecote, Professor, Management School, University of Sheffield, UK, Antoine Valeyre, CNRS Research Fellow, Centre for Employment Studies (CEE), France, Eric Verdier, CNRS Research Director, Laboratory of Economics and Labour Sociology (LEST) University of Aix-en-Provence, France, Bart Verspagen, Professor, Department of Technology Management, Eindhoven Technical University, The Netherlands, Richard Whitley, Professor of Organizational Sociology and Director of Research, Manchester Business School, University of Manchester, UK.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,273
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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