Beyond One-Size-Fits-All: Decoding Heterogeneous Driving Factors of Urban Innovation in China through Interpretable Machine Learning
Este estudio emplea el aprendizaje automático interpretable para revelar que las capacidades de innovación urbana en China están impulsadas por factores heterogéneos y no lineales —tales como la densidad de la red de innovación, la densidad económica y la inversión en I+D— cuya importancia relativa y umbrales de activación varían significativamente según el tamaño de la ciudad, las etapas de desarrollo y las jerarquías administrativas, abogando así por políticas de innovación adaptadas y sensibles al contexto.