Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Many executives see innovation as an unmanageable process, riddled with risks. The research we conducted with the Industrial Research Institute, interviewing over 200 vice-presidents of research and development and chief technical officers in many sectors around the world, yields a more nuanced view. Innovation becomes manageable once managers move away from normative prescriptions that view the process as uniform and recognise that different rules and practices apply to different circumstances. Our argument is that clusters of interdependent firms contributing to the building of a set of interacting products and services tend to self-organise themselves into distinct and relatively persistent "games of innovation". Such games operate at a meso level of analysis, grouping together many complementary agents, such as competitors, suppliers, public regulators, universities, innovation-support agencies, and venture capitalists. Six games of innovation, each with a distinct set of rules for innovating, have been identified around value-creation exchanges between buyers and sellers. Three games focus on market creation: "patent-driven discovery", "systems integration" and "platform orchestration". Market maintenance games are "cost-based competition", "systems extension and engineering" and "customised mass production". The perspective proposed in this paper recognises that heterogeneous innovation patterns and strategies can coexist within a single industrial sector and that the same game can be played in many sectors. Specific conditions call for distinct rules and practices. Customer expectations, for example, are central in some games but almost irrelevant in others. Rules for managing innovation are neither generic best practices that can be applied universally nor narrow industry recipes. They are game- and role-specific ways to create and capture market value.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle