MétaCan
Menu
Retour à la cohorte
Enregistrement W2141144096 · doi:10.5539/ass.v11n8p44

Conception, Technology and Methods of Development of University System of Innovation Projects Commercialization Based on Effectuation

2015· article· en· W2141144096 sur OpenAlexvenueno aff
V. D. Kolychev, I. V. Prokhorov

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRegional Economic Development and Innovation
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Twente
Mots-clésCommercializationContext (archaeology)Process (computing)Process managementPromotion (chess)Innovation managementBusinessKnowledge managementInnovation processComputer scienceMarketingWork in processPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper is concerned with the problems of effectuation using innovation management for high-tech start-ups in the case of MEPhI. As a rule we are talking about successful projects developing in University context taking into consideration methods of effectuation and tutoring for their finalization. The object of investigation is the innovation project life-cycle development methods applied to the effectuation methods and techniques. Using effectuation approach we could tell also about life-cycle of successful small and medium enterprises based on innovation project’s development using some technologies of effectuation on each stage of life-cycle. The correct and appropriate methods of effectuation are important for venture investment’s decision making in uncertain environmental conditions. The authors are proposed some improved methods of commercialization process of perspective innovative projects in the context of effectuation.Taking into account the author’s experience in innovation projects commercialization, some methods of promotion and successful innovations planning in the case of ectuation are considered.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,038
Tête enseignante GPT0,283
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations9
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetRegional Economic Development and InnovationTravaux en français237 207