Analysis of collaboration between companies in the cosmetics sector: a study based on patents
Bibliographic record
Abstract
A análise das redes sociais é de crucial importância para o entendimento de diversos fenômenos organizacionais dentre eles, podemos destacar a busca das redes de cooperação entre empresas e outras instituições, ajudando os pesquisadores a compreenderem melhor como a empresa se relaciona e busca inovação por meio de agentes externos. Para esta pesquisa foram escolhidas as 5 maiores indústrias do setor de cosméticos, que tem como seu core business a divisão de cosméticos. A partir das bases de patentes a análise de redes sociais (ARS), foram lançadas mão para buscar compreender e analisar como a colaboração acontece nessas organizações. O período de analise compreendo os anos de 1998 até 2017 de todas as unidades que integram as corporações em estudo, utilizou-se o banco de dados de patentes Derwent Innovation da Clarivate Analytics, agrupando as patentes em famílias (INPADOC) e seus respectivos depositantes. A escolha de indústria de cosméticos, deve-se ao fato que a mesma é responsável por mais de 195 bilhões de dólares de faturamento segundo estudos publicados pela Statista (2018), e de intensa movimentação por inovação e diferenciais tecnológicos. Destaca-se que embora existam várias pessoas físicas como co-titulares de todas as organizações, elas não foram consideradas neste estudo em razão de focarmos nas colaborações interorganizacionais. Foram encontradas três diferentes classificações das empresas quanto a sua colaboração e depósito de patentes: Alone `n forward: empresas de intensa atividade que não colaboram; Share to Grow: empresas de intensa atividade patentária e com alto índice de colaboração e por fim, GTM (Go-to-Market), empresas de baixa atividade de proteção das tecnologias e com maior foco em distribuição e marketing
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".