Utilizzo di tecniche di web mining per una valutazione dell'innovatività delle aziende
Notice bibliographique
Résumé
L'innovazione è un tema che negli ultimi anni viene sempre più trattato da aziende private e da entità governative, poichè può essere considerato il motore principale della crescita economica. Come è difficile innovare è altrettanto complesso individuare l'innovazione nelle aziende e definire quali tra le tante possono essere le vere aziende "innovative". Per farlo è necessario essere a conoscenza di diverse informazioni che spesso non sono accessibili liberamente da terzi. L'obiettivo di questa tesi è di verificare se esiste la possibilità di classificare con una qualche affidabilità un'azienda come innovativa o meno sulla base di un'analisi del solo sito aziendale, utilizzando come variabile target i testi delle pagine web delle aziende dichiarate innovative dalla camera di commercio italiana. Non avendo a disposizione un database che contenesse le aziende reputate non innovative, è stato allenato un modello di regressione logistica sui dati positivi - nonchè i testi delle aziende innovative - e su dati non etichettati, rappresentati dai testi dei siti web del resto delle aziende italiane non registrate nel registro delle imprese innovative. Si introduce perciò l'ambito del Positive Unlabeled Learning. I risultati mostrano che questo approccio produce previsioni credibili e ha il potenziale per essere un'aggiunta altamente efficiente in termini di costi all'insieme esistente di indicatori di innovazione. Le probabilità previste a livello di impresa possono essere interpretate come una misura continua di innovazione, offrendo ulteriori vantaggi rispetto agli indicatori di innovazione binaria tradizionali.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».