Stimulating Academic Entrepreneurship through Technology Business Incubation: Lessons for the Incoming Sponsoring University
Notice bibliographique
Résumé
Universities facilitate academic entrepreneurship or their ‘third mission’ by making available supporting mechanisms such as science and technology parks, incubators, and entrepreneurship programs. Botswana’s STEM University seeks to develop a technology park in which it will commercialize the research and intellectual property developed by its faculty members, students, research centers and the country’s private sector through incubation and other processes. As a business support process, technology business incubation nurtures start-up companies and mitigates the risk of their early failure. In this enabling environment, start-ups can concentrate on technology transfer and later “hatch” or leave the incubator financially viable and self-sustaining. Pursuing academic entrepreneurship and the university-model of technology business incubation present benefits for the country, the local community and the university in terms of economic development, economic diversification, job creation, technology development, viable firms, successful products, and the enhancement of university income and prestige. However, university and faculty culture, and the extent of faculty members’ knowledge and skills in entrepreneurship and social capital may temper this potential. Utilizing a narrative review of the literature, this paper sought to identify critical issues a newly-participating university should be aware of as it seeks to adopt the university-model of business incubation to facilitate its transformation from a primary focus on its traditional research and teaching missions to one also based on the formal commercialization activities characterizing academic entrepreneurship. The paper informs on approaches the university may adopt to encourage academic entrepreneurship among its faculty members.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».