論文の概要: Big Data and the Computational Social Science of Entrepreneurship and Innovation
- arxiv url: http://arxiv.org/abs/2505.08706v1
- Date: Tue, 13 May 2025 16:13:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-14 20:57:54.667753
- Title: Big Data and the Computational Social Science of Entrepreneurship and Innovation
- Title（参考訳）: ビッグデータとエントレプレナーシップとイノベーションの計算社会科学
- Authors: Ningzi Li, Shiyang Lai, James Evans,
- Abstract要約: 本章では、大規模データを活用した技術的・商業的ノベルティの特定の難しさについて論じる。
これは、研究者が新しいテキスト、ネットワーク、画像、オーディオ、およびビデオデータを2つの異なる方法で活用する方法を示唆している。
ビッグデータとビッグデータを結合することで、起業家精神とイノベーションにおける理論開発とテストの進歩を論じている。
- 参考スコア（独自算出の注目度）: 1.0104586293349587
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As large-scale social data explode and machine-learning methods evolve, scholars of entrepreneurship and innovation face new research opportunities but also unique challenges. This chapter discusses the difficulties of leveraging large-scale data to identify technological and commercial novelty, document new venture origins, and forecast competition between new technologies and commercial forms. It suggests how scholars can take advantage of new text, network, image, audio, and video data in two distinct ways that advance innovation and entrepreneurship research. First, machine-learning models, combined with large-scale data, enable the construction of precision measurements that function as system-level observatories of innovation and entrepreneurship across human societies. Second, new artificial intelligence models fueled by big data generate 'digital doubles' of technology and business, forming laboratories for virtual experimentation about innovation and entrepreneurship processes and policies. The chapter argues for the advancement of theory development and testing in entrepreneurship and innovation by coupling big data with big models.
- Abstract（参考訳）: 大規模な社会データが爆発的に発展し、機械学習の手法が進化するにつれて、起業家精神やイノベーションの学者は新たな研究機会に直面するだけでなく、ユニークな課題にも直面する。
本章では、大規模データを活用した技術・商業ノベルティの特定、新たなベンチャー起源の文書化、新技術と商業形態の競争予測の難しさについて論じる。
これは、研究者が新しいテキスト、ネットワーク、画像、オーディオ、およびビデオデータを、イノベーションと起業家精神の研究を促進する2つの異なる方法で活用する方法を示唆している。
まず、機械学習モデルと大規模なデータを組み合わせることで、人間の社会全体にわたるイノベーションと起業家精神のシステムレベルの観測所として機能する精度の測定を構築することができる。
第二に、ビッグデータによって推進される新しい人工知能モデルは、技術とビジネスの‘デジタルダブル’を生成し、イノベーションと起業家シップのプロセスとポリシーに関する仮想実験のための実験室を形成する。
この章は、ビッグデータとビッグデータを結合することで、起業家精神とイノベーションにおける理論開発とテストの進歩を論じている。
関連論文リスト
- The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - A new perspective on the prediction of the innovation performance: A
data driven methodology to identify innovation indicators through a
comparative study of Boston's neighborhoods [0.0]
この研究は、ボストンの35ジップコードエリアにまたがる、地理的に分散した大規模なデータセットを用いている。
ジップコード領域のイノベーションパフォーマンスを表現するため、イノベーションの場所に関連する新しいメトリクスが提案されている。
論文 参考訳（メタデータ） (2023-04-04T05:45:50Z) - A toolbox for idea generation and evaluation: Machine learning,
data-driven, and contest-driven approaches to support idea generation [0.0]
この論文には、アイデア生成をサポートするための、対応するデータソースとモデルを備えた、データ駆動および機械学習テクニックのリストが含まれている。
結果は、データ駆動とコンテスト駆動のアイデア生成をよりサポートするための、2つのモデル、1つのメソッドと1つのフレームワークを含む。
人間中心のAIは、アーティファクトのさらなる発展と創造性の促進に貢献できる、有望な研究分野である。
論文 参考訳（メタデータ） (2022-05-19T20:28:49Z) - Data-Driven Innovation: What Is It [2.28438857884398]
本稿では,「データ駆動型イノベーション」を形式的イノベーションプロセスパラダイムとして定義・結晶化する。
それは、異なるデータ駆動イノベーションアプローチのプロセスベースの分類を示します。
私は、イノベーター、企業、研究開発組織、政府に対して、データ駆動イノベーションを実施するための戦略とアクションを推奨します。
論文 参考訳（メタデータ） (2022-01-19T18:04:22Z) - Learning from learning machines: a new generation of AI technology to
meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。
産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文 参考訳（メタデータ） (2021-11-27T00:55:21Z) - INTERN: A New Learning Paradigm Towards General Vision [117.3343347061931]
我々はInterNという新しい学習パラダイムを開発した。
複数の段階の複数のソースからの監視信号を用いて学習することにより、トレーニング対象のモデルは強力な一般化性を生み出す。
ほとんどの場合、ターゲットドメインのトレーニングデータの10%しか適応していないモデルが、完全なデータセットでトレーニングされたトレーニングデータよりも優れています。
論文 参考訳（メタデータ） (2021-11-16T18:42:50Z) - Data-Centric Engineering: integrating simulation, machine learning and
statistics. Challenges and Opportunities [1.3535770763481905]
機械学習の最近の進歩と低コストの計算が組み合わさって、多分野の研究活動が広まりつつある。
物理方程式に基づく力学モデルと純粋にデータ駆動統計アプローチは、モデリングスペクトルの2つの端を表す。
新しいハイブリッドなデータ中心のエンジニアリングアプローチは、両方の世界の長所を生かし、シミュレーションとデータの両方を統合することで、強力なツールとして現れています。
論文 参考訳（メタデータ） (2021-11-07T22:31:23Z) - Theoretical opportunities for rural innovation and entrepreneurship
research [0.0]
デジタル技術は、農村の起業家精神とイノベーションに新たな機会と挑戦をもたらした。
本章は、情報システム分野における農村のイノベーションと起業家精神に関する既存の文献を理解する試みである。
論文 参考訳（メタデータ） (2020-10-20T20:42:03Z) - Data-Driven Aerospace Engineering: Reframing the Industry with Machine
Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。
最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文 参考訳（メタデータ） (2020-08-24T22:40:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。