MétaCan
Menu
Retour à la cohorte
Enregistrement W2509800352 · doi:10.1093/ser/mww018

The politics of partial success: fostering innovation in innovation policy in an era of heightened public scrutiny

2016· article· en· W2509800352 sur OpenAlexaff
Dan Breznitz, Darius Ornston

Notice bibliographique

RevueSocio-Economic Review · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Science BoardUniversity of GeorgiaVINNOVAGerman Marshall Fund of the United StatesAmerican-Scandinavian Foundation
Mots-clésScrutinyMainstreamAgency (philosophy)PoliticsSalience (neuroscience)Competition (biology)Public administrationPolitical sciencePublic relationsEconomicsSociologySocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

Policymakers have adapted to the challenge of rapid, innovation-based competition by using ‘Schumpeterian development agencies’ (SDAs) to foster continuous, radical experimentation. These peripheral agencies developed new policy instruments and business models that would transform their national economies when scaled by mainstream actors. In this article, we argue that this model is less likely to succeed in an increasingly politicized environment. The growing salience of innovation has instead led to the ‘politics of partial success’, sharpening the trade-offs between policy experimentation and implementation. We develop these arguments by first reviewing the history of two successful SDAs, the Finnish National Fund for Research and Development and the Israeli Office of the Chief Scientist, and then more deeply examining three newly established innovation agencies, Singapore’s Agency for Science, Technology and Research (A*STAR), the Swedish Governmental Agency for Innovative Systems (VINNOVA), and Ireland’s Policy Advisory Board for Enterprise and Science (Forfás).

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)0,042
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,049
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0060,055
Communication savante0,0200,016
Science ouverte0,0010,014
Intégrité de la recherche0,0080,008
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,096
Tête enseignante GPT0,321
Écart entre enseignants0,226 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations54
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocio-Economic ReviewMême sujetInnovation Policy and R&DTravaux en français237 207