MétaCan
Menu
Retour à la cohorte
Enregistrement W2017163173 · doi:10.1068/a32126

Science Parks: Actors or Reactors? Canadian Science Parks in Their Urban Context

2000· article· en· W2017163173 sur OpenAlexaffabout
Richard Shearmur, David Doloreux

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2000
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensUniversity of WaterlooInstitut National de la Recherche ScientifiqueUniversité du Québec à Montréal
Organismes subventionnairesState Key Laboratory of Rare Earth Resources Utilization
Mots-clésScience parkContext (archaeology)Knowledge transferService (business)High techKnowledge economyTechnology transferTertiary sector of the economyBusinessEconomic growthPolitical scienceRegional scienceMarketingManagementSociologyGeographyEconomyEconomics

Résumé

récupéré en direct d'OpenAlex

In response to the current accepted wisdom that we are now in a ‘knowledge economy’, where economic growth is directly linked to the capacity to gather and analyse information, an increasingly popular policy approach has been to foster the development of science parks. These parks, it is argued, contribute to the development of learning regions' by encouraging knowledge transfer between academic institutions and ‘high-tech’ or ‘knowledge-intensive’ establishments, thereby bringing about start-ups and growth in these sectors. Over the last 25 years, 17 such parks have opened in Canada, and in this paper the authors set out to answer two questions. First, what do these parks consist of? Second, can it be shown that they stimulate high-tech employment (whether in the manufacturing or service sectors) in the regions in which they are located? It is found that there is no link between the opening of a science park and employment growth in high-tech sectors.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,014
Tête enseignante GPT0,197
Écart entre enseignants0,183 · 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'étudeObservationnel
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

Citations69
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207