Industry-science collaboration in shellfish aquaculture and the management of knowledge processes
Notice bibliographique
Résumé
In the new global, knowledge-based economy, knowledge is recognized as a driving force of social and economic development: it is the key to innovation, as well as to the goal of sustainability. Growing economic, social, political and environmental pressures on both the industry and the science sector have driven many organizations to re-assess their own capacities of producing, mobilizing and absorbing knowledge, and search for effective knowledge management strategies. One strategy that is increasingly utilized is the process of intersectoral collaboration. Collaboration between the two sectors of industry and science has been particularly fostered by government, through R&D policies and funding strategies. It is seen as an efficient strategy to improve knowledge production, diffusion and absorption capacities across both sectors, by creating synergies. However, industry and science operate within different contexts. Collaboration between them often presents significant difficulties. Using the case of shellfish aquaculture in Canada, this exploratory study takes a broad sociological approach in the investigation of industry-science collaboration. It explores mainly the phenomena of occupational cultures and knowledge networks, in order to seek a better understanding of some of the social processes by which shellfish aquaculture knowledge is produced, diffused and validated. The study uses qualitative methods and interviews with shellfish growers and aquaculture scientists in three different regions of Canada, in an attempt to identify some of the structural, cultural and relational factors that may affect collaboration processes between them. Once we have identified and understood the factors that favour or inhibit intersectoral collaboration, we may be in a better position to develop improved tools and mechanisms that will facilitate the process and allow both the industry and the science sector to achieve the full benefits of the knowledge that is being developed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,021 | 0,030 |
| Communication savante | 0,016 | 0,007 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».