Models of Cooperation and Knowledge Management: The Case of Biomedical Technology Management
Notice bibliographique
Résumé
In the current biological paradigm, the biologist can no longer work in isolation. Networks of collaboration that are supported by information and communication technologies will enable researchers from a variety of disciplines and laboratories to generate and validate biological knowledge. Central to the development of medical tools and medical products is ensuring accessibility to knowledge for multiple researchers. Academia, government, and industry will all play a role in shaping policies that will enable cooperative knowledge production and the broad dissemination of biological knowledge. To better understand models of cooperation and knowledge management, we profile two case studies, the Agilent Microarrary Design program and the Accelrys Nanotechnology Consortium. Agilent has introduced the industry's first shared microarray design program. The program provides a new way of doing business with Agilent that allows scientists to share their custom microarray designs with designated groups while maintaining control of their intellectual property, or to share them with the scientific community at large. The Accelrys Nanotechnology Consortium provides a project framework that addresses the challenges of rational nanomaterials and nanodevice design. The Consortium gives members an edge in their R&D, increasing both its efficiency and effectiveness. It will further enhance the impact of software tools, contributing to R&D cost savings, supporting patent applications, facilitating interdisciplinary working, and supporting a smooth ongoing 'lab to fab' transition.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».