MétaCan
Menu
← Retour à la cohorte
Enregistrement W7072183990

Why Governments Invest in the Innovation of 5G Technology: a Closer Look at the Australian 5G Innovation Initiative

2023· dissertation· en· W7072183990 sur OpenAlexaff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2023
Typedissertation
Langueen
DomaineEngineering
ThématiqueICT Impact and Policies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Work (physics)Public policyInvestment (military)Context (archaeology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

At the forefront of the digital revolution, 5G technology is transforming industries and infrastructure and generating benefits that extend well beyond the realm of telecommunications.However, the innovation and commercialization of 5G technology introduce risks.Therefore, it is interesting when governments choose to support the innovation of 5G technology in the private sector.This paper examines why, in light of the tensions with Huawei, the Australian Government has chosen to invest in the innovation of 5G technology through the Australian 5G Innovation Initiative.Guided by an original theoretical framework, the paper conducts a thematic analysis of how the Australian Government chose to describe, design, and execute the Australian 5G Innovation Initiative.The findings suggest that the Australian Government invested in the innovation of 5G technology through the Initiative to strengthen key sectors of the national economy, improve public infrastructure, and facilitate the provision of public goods.Proving an efficient means of analyzing the Government's motives, the theoretical framework can be applied to other studies of government intervention in technological innovation.However, the theoretical framework failed to account for the role of public infrastructure and intra-governmental collaboration in Australia's intervention behaviour, reflecting an important gap in the literature on which it is constructed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,008
Communication savante0,0080,004
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,267
Écart entre enseignants0,237 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)→Même sujetICT Impact and Policies→Travaux en français237 207→