The Relevance of the Economic Environment to the Development and Growth of Academic Spin-Offs. A Panel Approach
Notice bibliographique
Résumé
The importance of academic research ("AR") to economic growth is widely accepted but quantification of incremental impacts, and their attribution to any one country's expenditures, is difficult. Yet quantitative justification of government AR funding is highly desirable. We therefore attempt to quantify one impact which can be directly and causally attributed to one country's funding: spin-off companies. Although there is great interest in the new knowledge economy, less favoured regions seem permanently disadvantaged because they lack a critical mass of knowledge capital to initiate accumulation, growth and economic development processes. This is a problem for policy-makers seeking to promote economic growth and territorial cohesion in such regions. This paper seeks to develop four empirical models of how Academic spin-off companies can improve their economic performances. The economic benefits that such companies bring are explored, to identify those elements which can potentially upgrade regional economies through knowledge accumulation, which are termed ‘building up territorial knowledge pools’. We argue that the impacts of valid and ongoing policies in support of the Third Mission represent incremental contributions to the ROI of academic spin-offs, much greater (also on a updated base). The impacts therefore provide a quantitative justification for public investment, allowing much more important (but less quantifiable) long-term benefits be considered as a "free" bonus.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».