UNVEILING THE DIVERSITY OF SCHOLARLY DEBATE ON LIVING LABS: A BIBLIOMETRIC APPROACH
Notice bibliographique
Résumé
Living labs (LLs) are becoming an increasingly popular approach to engage in open innovation. Although applications and influence of LLs have grown rapidly over the last decade, the landscape of LL research remains largely unclear and underexplored. Hence, there is an urgent need to develop a consolidated understanding of this research field and to detect the potential areas of fragmentation and isolation. Through a systematic review of the scholarly literature on LLs, this study applies bibliometric methods on a dataset of 411 journal articles. The results of this study reveal the diverse and fragmented nature of the LL field, with contributions spanning across different disciplines and application domains. Despite such fragmentation, some clusters of scholars and publications are identified as well as influential contributions. Given the nascent state of the literature, the role of special issues in shaping the evolution of the LL debate is prominent. This study provides a map to practitioners to investigate and learn from the application of LLs in diverse fields. This aspect is particularly important in light of the current COVID-19 pandemic, which stresses the key role of open and collaborative approaches to innovation, making the use of LLs increasingly relevant for governments, companies, public organisations and individuals.
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 | 0,052 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,240 | 0,274 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,021 | 0,015 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».