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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».