How Does Diversity Impact Innovation in Research Network? A Multilevel Study of the GRAND NCE
Notice bibliographique
Résumé
In this dissertation, I study the interplay between network structure and group characteristics of diversity as well as the motivation of members in a collaborative research network and the innovative outcomes produced by its members. To achieve this goal, I examine GRAND (an acronym for Graphics, Animation and New Media), a Canadian network with over 200 researchers funded by the Canadian government. I develop a framework which combines multilevel models and social network analysis, in order to understand how memberships in multiple projects, disciplinary diversity in research projects, members' motivation to participate in multidisciplinary collaborations (MDCs), and prior collaborations influence GRAND members' cross-disciplinary collaborations as well as creation of innovation. I conducted qualitative analysis to explain the complexity of MDCs by discussing the difficulties brought about by disciplinary diversity, the disciplinary differences in MDC norms, researchers' perceptions of disciplinary boundaries, and the various types of MDC activities. The findings show that the network structure and multidisciplinary culture emphasized by GRAND indeed foster intellectual interactions cross disciplinary boundaries. However, disciplinary diversity does not directly lead to innovation. Instead, its effect is mediated by diversity in researchers' ego networks. Furthermore, motivation also has a strong effect on diversity in ego networks rather than on innovative outcomes. In other words, diversity in interaction rather than diversity in composition creates innovation, and the former type of diversity can be increased by a high level of motivation and membership in multiple projects. This study has confirmed the strengths of network form of organizations. The findings suggest that allowing members to be involved in multiple work units provides them with more opportunities to interact with their colleagues from various disciplines and thus, produce innovative outcomes.
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 | 0,014 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».