University Impact on the Development of Industries in Peripheral Regions: Knowledge Organization and the British Columbia Wine Industry
Notice bibliographique
Résumé
When universities consider their impact on societies and economies, they typically stress medicine and the so-called STEM subjects: science, technology, engineering, and mathematics. In contrast, this paper considers a perspective from social science, specifically: how can social science overcome barriers to impacting the development of industries in peripheral regions? Our response is based on the importance of knowledge and voice in economic development, and focuses on the distinctive role of public universities in organizing knowledge. It centres on people gaining knowledge and understanding through open-ended inquiry, and experience as learning, guided by pursuit of the spirit of the truth. It stresses knowledge as key to empowering publics to find their voice, express their interests, and influence the strategic development of an industry. The analysis also embraces the idea that ‘art’ can contribute significantly to economic development. Visual images, literary works, installations and the like can provide a creative atmosphere that enhances education. They can enable people to discover meanings, deepen their understanding, foster their imagination, and in turn influence their actions and socio-economic activities - for example, what they choose to do, and how. To illustrate and deepen the analysis, the paper reflects on a partnership between the Okanagan campus of the University of British Columbia, and KEDGE Business School (Bordeaux, France) to support British Columbia to emerge as a globally recognized wine region.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,000 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».