A Strategic Roadmap for Navigating Academic-Industry Collaborations in Information Systems Research
Notice bibliographique
Résumé
Research collaboration between industry and academia remains challenging despite progress being made on a number of fronts. We are not implying that all information systems researchers should be engaging in industry collaborations, nor should the value of critique and work exclusively addressing academic and other audiences be viewed as less valuable than those engaging industry. The intent is instead to encourage more industry collaboration, and for those considering such initiatives to roadmap the activities strategically giving consideration to the full range of activities required so reasonable tradeoffs can be made in the context of building longer-term sustainable relationships. We develop a roadmap from literature that organizes the building blocks (component activities) needed to plan and implement strategic academic-industry collaborations over longer time horizons. Specifically, we identify the key themes or layers of (1) Strategic Business Problem(s), (2) Governance, (3) Funding Criteria, (4) Privacy, Security and Ethics, (5) Intellectual Property, (6) Research Design and (7) Recognized Outputs, which need to be in place if you are to succeed with academic-industry research. The roadmap framework highlights the need to consider the implications of the components across each of the layers at a particular point in time (vertical slice), the relationship between layers (dependencies) and the need for aligning the various activities in a coordinated manner; otherwise success at one layer is often undermined by a lack of awareness or failure at another layer. Our hope is that these themes (layers) facilitate organizing this collaboration in a systematic and coordinated manner to produce academic-industry collaborations that progressively improve over time.
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 | 0,024 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,032 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».