MétaCan
Menu
Retour à la cohorte
Enregistrement W2004402683 · doi:10.1504/ijird.2015.067648

The role of technology transfer offices in growing new entrepreneurial ecosystems around mid-sized universities

2015· article· en· W2004402683 sur OpenAlexaffabout
Tarek Sadek, R. N. Kleiman, Rafik O. Loutfy

Notice bibliographique

RevueInternational Journal of Innovation and Regional Development · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTechnology transferBusinessFacilitationProcess (computing)EntrepreneurshipEntrepreneurial educationKnowledge transferKnowledge managementMarketingEntrepreneurship educationManagementEconomics

Résumé

récupéré en direct d'OpenAlex

The role of universities has evolved from its traditional focus on education and research to active participation in regional economic development. Technology transfer offices (TTOs) were created at Canadian universities to help regulate and monetise the transfer of knowledge created by the university researchers to the marketplace. In this paper, we examined the role TTOs can play in developing a new entrepreneurial ecosystem around mid-sized research universities, based on the perceptions and expectations of the key stakeholders, involved in the technology transfer process, about the role of TTOs, and if their role can help in developing entrepreneurial culture in their universities. We found that the ability of TTOs to effectively support the commercialisation of university research results is related to the existence of an entrepreneurial culture in the university. If the culture and an entrepreneurial ecosystem do not exist, the role TTOs can play is more limited to its well-established facilitation role. Our findings confirm that TTOs can play a critical role in coordinating different bottom-up initiatives to promote entrepreneurship, and in attracting and integrating new external resources to the university.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,919
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,235
Écart entre enseignants0,215 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations11
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovation and Regional DevelopmentMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207