Modeling knowledge networks in economic geography: a discussion of four methods

Broekel, Tom; Balland, Pascale; Burger, Martijn; Oort, Frank van

doi:10.1007/s00168-014-0616-2

Cited by 140 publications

(101 citation statements)

References 98 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Alternatively, we could have opted for other network analytic approaches to assess collaboration patterns in the field of type 2 diabetes research such as the multiple regression quadratic assignment procedure, exponential random graph models, and stochastic actor-oriented models (Broekel et al 2014). We choose to adopt a gravity modelling approach for three reasons.…”

Section: Methods: a Gravity Model Approachmentioning

confidence: 99%

Characterizing and comparing innovation systems by different ‘modes’ of knowledge production: A proximity approach

Hardeman

Frenken

Nomaler

et al. 2014

Science and Public Policy

View full text Add to dashboard Cite

Though the concept of innovation systems has become influential in both academia and policymaking, an analytical approach to understanding innovation systems is still lacking. In particular, there is no analytical framework to measure 'Mode 1' and 'Mode 2' knowledge production. We propose a framework based on the proximity concept. Mode 1 and Mode 2 knowledge production are characterized by collaborations with cognitive, organizational, social, institutional and geographical proximity, and distance, respectively. Using a gravity model approach we apply our framework to the case of type 2 diabetes research and provide a characterization of the global innovation system and a comparative analysis of the North American and European innovation systems. Our main results hold that although collaborative research on type 2 diabetes generally follows a logic of proximity and hence is not characterized as Mode 2, important differences and similarities exist between the North American and European innovation systems.

show abstract

Section: Methods: a Gravity Model Approachmentioning

confidence: 99%

Characterizing and comparing innovation systems by different ‘modes’ of knowledge production: A proximity approach

Hardeman

Frenken

Nomaler

et al. 2014

Science and Public Policy

View full text Add to dashboard Cite

show abstract

“…En parallèle, il pourrait également être opportun de tester des méthodes alternatives sur nos données afin de comparer la pertinence d'approches méthodologiques variées. Nous pensons ici à certaines approches décrites par T. Broekel et al (2014), à l'image des modèles gravitaires, des tests MRQAP (Multiple Regression Quadratic Assignment Procedure), des modèles ERG (Exponential Random Graph) ou encore des modèles SAO (Stochastic Actor-Oriented). Ces derniers permettent une analyse temporelle qui devient ici progressivement envisageable puisque les pôles de compétitivité wallons ont été créés voici plus de dix ans.…”

Section: Resultsunclassified

La structure spatiale des systèmes régionaux d’innovation : qu’en est-il de la proximité géographique au sein des pôles de compétitivité wallons ?

Wilmotte¹,

Halleux²

2018

L’Espace Géographique

View full text Add to dashboard Cite

Research on regional innovation systems suffers from a lack of clarity concerning the spatial structure of these systems. In order to clarify this issue, we test empirically, through data on R&D projects developed by the Walloon competitiveness clusters, the theoretical assumption according to which the probability that two actors collaborate to innovate is correlated to the spatial distance separating them. Our analyses use the differentiation between the logics of "local buzz" and "global pipelines" formulated by the model of H. Bathelt et al. (2004). As our results highlight the structuring character of the regional level, we propose an improvement of this model by supplementing it with a reference to the "regional pipelines" logic. It also appears from our results that the relations between partners of R&D projects are particularly intense when the spatial distance between them is below 10 km, which is a mark of a significant "local buzz" dynamic.

show abstract

“…Míg a cégek elhelyezkedésének változását szekunder adatok alapján meg tudtuk vizsgálni, a kapcsolati adatok viszont csupán egyetlen időpontra vonatkozóan álltak rendelkezésünkre. Ismételt adatgyűjtés és a dinamikus hálózatelemzés segítségével feltárhat-nánk a hálózat formálódását befolyásoló tényezőket , Broekel et al 2014. Másrészt, eredményeink értelmezéséhez szükséges lenne azoknak más, hasonló helyi iparágakra épülő klaszterek tudáshálózataival történő összehasonlítása is.…”

Section: Következtetések éS Kritikai áLláspontokunclassified

Who Form the Clusters? Analysis of a Local Knowledge Network

Juhász¹,

Lengyel²

2016

Ter.Stat.

View full text Add to dashboard Cite

Kulcsszavak:tudáshálózat, regionális klaszter, hálózatelemzés, spin-off cégek Hogyan lesznek bizonyos cégek meghatározó szereplői egy klaszternek? A kérdés megválaszolásához a Kecskeméti nagyvárosi településegyüttes nyomdaiparának és papírtermék gyártásának tudáshálózatát vizsgáltuk meg, a cégszintű kapcsolatok adatai alapján. A kiegészítő vállalati regisztrációs adatok és a személyes interjúk tapasztalatainak segítségével rész-letesen bemutatjuk a hálózat formálódásának föld-rajzi és történeti szempontjait. A strukturálisan köz-ponti szereplők meghatározása azt mutatta, hogy nem a nagyvállalatok, sokkal inkább a kisebb spinoff vállalkozások alkotják a vizsgált klaszter tudáshá-lózatának centrumát. A vizsgálatból a szerzők arra a következtetésre jutottak, hogy a vállalatok közötti tudásátadás sokkal intenzívebb, ha a szereplők föld-rajzi közelsége közös múlttal párosul, és ezek együt-tesen eredményezik a klaszter szereplőinek tudáshá-lózatban betöltött központi szerepét.

show abstract

Modeling knowledge networks in economic geography: a discussion of four methods

Cited by 140 publications

References 98 publications

Characterizing and comparing innovation systems by different ‘modes’ of knowledge production: A proximity approach

Characterizing and comparing innovation systems by different ‘modes’ of knowledge production: A proximity approach

La structure spatiale des systèmes régionaux d’innovation : qu’en est-il de la proximité géographique au sein des pôles de compétitivité wallons ?

Who Form the Clusters? Analysis of a Local Knowledge Network

Contact Info

Product

Resources

About