MétaCan
Menu
Retour à la cohorte
Enregistrement W2157305379 · doi:10.3390/f5061341

Innovation Insights from North American Forest Sector Research: A Literature Review

2014· review· en· W2157305379 sur OpenAlexaboutno aff
Eric Hansen, Erlend Nybakk, Rajat Panwar

Notice bibliographique

RevueForests · 2014
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)BusinessForest productProduct (mathematics)New product developmentMarketingOrganizational cultureIndustrial organizationForest managementEconomicsManagementEngineeringGeographyForestry

Résumé

récupéré en direct d'OpenAlex

The promise of increased industry competitiveness through innovation has driven interest in innovation by industry managers, policy makers and academicians. Forest sector researchers have produced a strong body of work in recent years. This article provides a review of work originating in North America during the period 2000–2013. The review includes 28 journal articles focused on the forest sector in the U.S. and Canada. Seven important themes from the literature are identified and discussed: defining innovation and innovativeness; measuring innovativeness; factors influencing innovativeness; new product development; climate/culture; innovation systems; and innovativeness and firm performance. The positive culture and climate within a company has a clear connection to improved innovativeness and firm performance. Generally, findings describing the culture of the forest sector show a conservative group that fails to sufficiently invest in innovativeness and innovation. Culture change presents a significant opportunity within the industry to strive toward the improved development of new products, processes and business systems to reap the rewards of improved performance. The implications for managers and researchers are outlined.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0190,027
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,068
Tête enseignante GPT0,359
Écart entre enseignants0,290 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetForest Management and PolicyTravaux en français237 207