Keupayaan menyerap dan limpahan pengetahuan : bukti baharu daripada modal manusia dan R&D
Notice bibliographique
Résumé
Keupayaan untuk menyerap pembangunan baharu daripada teknologi asing melalui aliran masuk pelaburan langsung \nasing (FDI) memainkan peranan penting dalam menentukan hubungan antara FDI, limpahan pengetahuan dan penciptaan \nilmu pengetahuan. Kajian ini menghipotesiskan bahawa kapasiti penyerapan kepada limpahan pengetahuan di antara \nnegara mungkin berbeza mengikut tahap modal manusia, dan penyelidikan dan pembangunan (R&D). Negara yang \nmemiliki tahap modal manusia dan R&D yang rendah mungkin tidak mempunyai kapasiti penyerapan yang sama \nberbanding dengan negara yang memiliki modal manusia dan R&D yang tinggi. Fokus utama kajian ini adalah untuk \nmengkaji hubungan tidak monotonik antara limpahan pengetahuan, modal manusia dan R&D. Mengaplikasikan teknik \nregresi ambang yang dicadangkan oleh Hansen (2000) untuk data keratan rentas dari tahun 1995 hingga 2014 yang \nmeliputi 190 buah negara, kajian mendapati wujud kesan tidak monotonik bagi modal manusia, dan R&D kepada \npenciptaan ilmu pengetahuan. Hanya selepas paras ambang bagi modal manusia dan R&D, FDI mempunyai kesan \npositif terhadap penciptaan ilmu pengetahuan. Tambahan pula, keupayaan ini akan menjadi lebih berkesan jika negara \nmempunyai penguasaan bahasa Inggeris yang lebih baik.
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 | 0,006 | 0,000 |
| 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 | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,173 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».