MétaCan
Menu
Retour à la cohorte
Enregistrement W2967267570 · doi:10.1109/idam.2014.6912694

Harnessing idea management in the process of technology transfer at Canadian Space Agency

2014· article· en· W2967267570 sur OpenAlexaffabout
Luz Maria Jiménez-Narvaez, Mickaël Gardoni

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésCrowdsourcingKnowledge managementConceptualizationAgency (philosophy)Process (computing)Computer scienceProduct (mathematics)Collaborative softwareNew product developmentSpace (punctuation)Process managementEngineeringBusinessWorld Wide WebSociologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper purpose an idea management process to support the technology transfer between Canadian Space Agency (CSA) with industrial partners (particularly small-size or start-up enterprises), and exploring how should the technology transfer be boosted using ICT tools. Particular emphasis was placed on crowdsourcing portals, platforms and informational tools used on technology transfer. This paper presents the first steps of the research protocol, as: a) to propose a model of idea exchange based in a collaborative strategy of transfer, b) prototyping of the collaborative idea exchange as a proof of concept that shows how idea management could be supported, and c) proposing knowledge management methods to support the process. Results show that the process of ideas management during developing collaborative projects was not sufficiently supported by current ICT tools. The data also revealed the important role played by social dynamics in the first stages of product conceptualization to harness idea exchanges during the process of technology transfer in further spatial projects development.

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)0,024
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil0,311

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0140,012
Communication savante0,0100,006
Science ouverte0,0020,011
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,014
Tête enseignante GPT0,226
Écart entre enseignants0,213 · 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'étudeQualitatif
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

Citations2
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207