Citizen expectations of ‘academic entrepreneurship’ in health research: public science, practical benefit
Notice bibliographique
Résumé
BACKGROUND: Responsiveness to citizens as users of technological innovation helps motivate translational research and commercial engagement among academics. Yet, retaining citizen trust and support for research encourages caution in pursuit of commercial science. OBJECTIVES: We explore citizen expectations of the specifically academic nature of commercial science [i.e. academic entrepreneurship (AE)] and the influence of conflict of interest concerns, hopes about practical benefits and general beliefs. DESIGN, SETTING AND PARTICIPANTS: We conducted a cross-sectional national opinion survey of 1002 Canadians online in 2010. RESULTS: Approval of AE was moderate (mean 3.2/5, SD 0.84), but varied by entrepreneurial activity. Concern about conflict of interests (COI) was moderate (mean 2.9/5, SD 0.86) and varied by type of concern. An ordinary least-squares regression showed that expectations of practical benefits informed support for AE, specifically that academic-industry collaboration can better address real-world problems; conflict of interest concerns were insignificant. CONCLUSIONS: These findings suggest that citizens support AE for its potential to produce practical benefits, but enthusiasm varies and is reduced for activities that may prioritize private over public interests. Further, support exists despite concern about COI, perhaps due to trust in the academic research context. For user engagement in research priority setting, these findings suggest the need to attend to the commercial nature of translational science. For research policy, they suggest the need for governance arrangements for responsible innovation, which can sustain public trust in academic research, and realize the practical benefits that inform public support for AE.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».