MétaCan
Menu
Retour à la cohorte
Enregistrement W1973094197 · doi:10.1504/ijtm.2012.046615

Why and how do academics bridge the gap between invention and innovation?

2012· article· en· W1973094197 sur OpenAlexaffabout
R G Landry, Nabil Amara

Notice bibliographique

RevueInternational Journal of Technology Management · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAttractivenessMathematical proofBridge (graph theory)Intellectual propertyIncentiveValue (mathematics)Technology transferProof of conceptControl (management)EconomicsBusinessMarketingManagementPolitical scienceComputer scienceKnowledge managementMicroeconomicsMathematicsPsychologyLaw

Résumé

récupéré en direct d'OpenAlex

Although many university inventions and discoveries originating from academia are at a stage beyond basic research, they are yet insufficiently developed to be transformed into innovations without additional research designed to establish proofs of principle (POP) at many levels: technical proof, intellectual property control proof, safety proof, value proof, economic proof and attractiveness proof. Based on the data of a large survey of Canadian academics in natural sciences and engineering, the results of this study show that about 20% of the surveyed respondents engaged in different forms of POP despite the absence of incentives to do so. The results also suggest the presence of interdependence (complementarities) between the different forms of POP. Finally, the results show that funding from industry, strong ties with industry and use of services provided by university technology transfer offices are positively associated with the different forms of POP. These results are used to derive policy implications and directions for future research.

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)0,017
score de la tête « metaresearch » (Gemma)0,083
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 enseignants0,017
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,083
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0070,009
Études des sciences et des technologies0,0050,017
Communication savante0,0150,022
Science ouverte0,0020,008
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,144
Tête enseignante GPT0,280
Écart entre enseignants0,137 · 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

Citations5
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology ManagementMême sujetIntellectual Property and PatentsTravaux en français237 207