MétaCan
Menu
Retour à la cohorte
Enregistrement W2116858166 · doi:10.1139/x2012-136

Innovation and value creation in university–industry research centres in the Canadian forest products industry

2012· article· en· W2116858166 sur OpenAlexafffundvenueabout
Constance Van Horne, Diane Poulin, Jean‐Marc Frayret

Notice bibliographique

RevueCanadian Journal of Forest Research · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensPolytechnique MontréalUniversité Laval
Organismes subventionnairesUniversité Laval
Mots-clésBusinessWood industryValue (mathematics)Technology transferForest industryResource (disambiguation)Knowledge transferMarketingIndustrial organizationManagementEconomicsForestry

Résumé

récupéré en direct d'OpenAlex

As the forest products industry evolves into a modern industry based on cutting-edge industrial and management research, the prevalence and importance of university research centres have gained importance. Although there has been increased funding and attention given to university–industry research centres from policy makers and researchers, little is still known about the benefits or value that these collaborations provide and create for firms. Applied academic research requires the active participation of researchers and practitioners. In the Canadian forest products industry, there are other important actors that need to be considered, the federal and provincial governments as owners and regulators of the resource and funders of research and development projects and intermediary organisations who are often charged with transforming academic results into tools and methods able to be implemented into industry firms. This paper presents the results of three comparative case studies of university–industry research centres operating in the Canadian forest products industry through an exploration of their knowledge and technology transfer processes. The goal is to better understand the value that has been created for the four main groups of actors involved though informal and formal transfer processes and which processes are best suited for different types of knowledge.

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)0,013
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,459
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0080,008
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
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 Opus0,102
Tête enseignante GPT0,323
Écart entre enseignants0,221 · 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.

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

Citations12
Publié2012
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetInnovation and Knowledge ManagementTravaux en français237 207