Knowledge Transfer for Sustainable Innovation: A Model for Academic-Industry Interaction to Improve Resource Efficiency within SME Manufacturers
Notice bibliographique
Résumé
Environmental threats associated with demographic and technological trends have resulted in calls for transition to a global economy that operates within the carrying capacity of the natural environment. Because of their centrality to economic activity, this transition must include small and medium-sized enterprises (SMEs). At the same time, because of their role as knowledge holders on both sustainability and business, higher education institutions (HEIs) can play a more active role in supporting SMEs to address this transition through the provision of timely and appropriate information. Dalhousie University's Eco-Efficiency Centre (EEC) works with SMEs to support them to identify opportunities to pursue sustainability through improved resource (material and energy) efficiency. To date, much of the support for improved resource efficiency within business has focused large corporations; it has not addressed the particular characteristics of SMEs. Supporting that transition needs a different approach, one that understands SMEs' learning dynamics; i.e. their drivers and motivators to apply new knowledge as part of their internal strategies. This paper will discuss one approach taken that focused specifically on developing the absorptive capacity of SMEs to incorporate innovationwhere in this case 'innovation' reflects the strategies for improved resource efficiency. By investigating the relationships and impacts of the EECs involvement with 70 SME manufacturers through their Eco-Efficiency Program for Manufacturers this paper looks at the development of a localized 'knowledge creation and transfer system'. By acting as an interlocutor within this system, they successfully promoted the transfer and integration of resource efficiency knowledge within the sector.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».