Notice bibliographique
Résumé
Industrial research projects and collaborations are a key component to any applied research program and can provide unique opportunities for industry, academic institutions and students. Efforts, in particular for small and medium sized companies, to improve and advance commercial opportunities in the natural products and food industries are advanced through partnerships with researchers at local universities. These collaborations can lead to innovations, expanded market share and ultimately increase revenues. There are many partnership funding programs that have increased industry access to researchers and students, thereby opening to door to technology access for scientifically designed sampling and testing that would otherwise be too costly for the individual company. By partnering to establish proof of concept before the company makes a significant financial commitment, minimizes risk for the company and ultimately paves the path for success. The benefits also extend to the researchers and students involved in the project who engage in advancing the state of practice and gain experience applying their expertise to an industrial setting. Our research program at BCIT has engaged in several federally funded projects including NSERC Engage and CUI2I grants allowing us to establish new partnerships with minimal financial risk to the industry partners. This talk will discuss the process involved in developing these partnerships, granting opportunities, research outcomes and student engagement using real examples of research partnerships that we have engaged in the last few years.
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 | 0,022 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,013 |
| Communication savante | 0,023 | 0,026 |
| Science ouverte | 0,003 | 0,033 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,012 |
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 ».