The role of federal government funding on the outreach programs of independent industrial R&D establishments in Canada
Notice bibliographique
Résumé
Purpose Properly nurtured and financially supported independent industrial R&D institutions (IRDIs) can play a pivotal role in converting knowledge into commercially exploitable applications in manufacturing industries particularly in the small and medium ones. The purpose of this paper is to present various evidence to enhance government awareness that Canadian R&D funding agenda should be streamlined as the way to strengthen the outreach capacity of Canadian IRDIs. Design/methodology/approach Using a variety of evidence, the position and role of IRDIs in Germany, Japan, the USA and Canada are highlighted. This is done to reveal the current position and outreach of IRDIs in each country and through that to recommend helpful strategies to strengthen the Canadian IRDIs and foster their contribution to the manufacturing technology development. Findings The study revealed the weak position of Canadian IRDIs in comparison with their counterparts in the USA, Japan and Germany. The paper proposed strategies and approaches on how IRDIs should be financially and technically supported to expand their outreach in the Canadian manufacturing sector. Research limitations/implications This paper provides secondary data‐based evidence intended to serve as a background for more focused case supported future research. Practical implications Stakeholders at both government and industrial sectors may find the recommendations given in the paper as helpful inputs for formulating suitable policies and strategies in this area. Originality/value The paper presents vital background information on the important but neglected role of IRDIs in the application and commercialization of knowledge in manufacturing technology and the need to strengthen their position by granting the necessary financial assistance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,012 | 0,004 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 source (Gemma direct ou Codex distillé), 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 ».