MétaCan
Menu
Retour à la cohorte
Enregistrement W2534685151 · doi:10.1504/ijil.2017.10000867

Infocom business models innovation with the development of corporate universities

2016· article· en· W2534685151 sur OpenAlexaff
Louis Rhéaume, Mickaël Gardoni

Notice bibliographique

RevueInternational Journal of Innovation and Learning · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueUniversity-Industry-Government Innovation Models
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésDeregulationIndustrial organizationBusiness modelBusinessOrder (exchange)Competition (biology)Disruptive innovationInvestment (military)BoomTelecommunicationsMarketingEconomicsMarket economyComputer sciencePoliticsEngineering

Résumé

récupéré en direct d'OpenAlex

Since the mid-90s, the infocom industry has gone into a period of sustained disruptive innovations which, combined with deregulation, led to a lot of turbulence and a sometimes difficult redefinition of business models. A Schumpeterian wave of innovation enhanced by competition leads to creation of wealth as an unprecedented investment boom occurs in the infocom sector sustained by overly optimistic and sometimes fraudulent forecasts of internet traffic. We provide a strategic framework by explaining which types of infocom business models are better adapted to cope with the challenges of the new developments related to the digital economy, in order to shape the corporate innovation strategy. We also analyse how the development of a corporate university must be linked to the development of such innovation strategy. The first section of the article deals with the wave of disruptive innovations in the communications industry over the last few years and pinpoints the ubiquity of IT in all aspects of the economy and society. The next section focuses on the search for profitable business models for infocom providers. The links between business model innovation and the development of corporate universities is analysed in the next section. It is followed by a discussion section.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,010
Communication savante0,0140,012
Science ouverte0,0010,006
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,036
Tête enseignante GPT0,224
Écart entre enseignants0,188 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovation and LearningMême sujetUniversity-Industry-Government Innovation ModelsTravaux en français237 207