MétaCan
Menu
Retour à la cohorte
Enregistrement W3107364085 · doi:10.1080/23299460.2020.1844974

The responsible innovation in health tool and the need to reconcile formative and summative ends in RRI tools for business

2020· article· en· W3107364085 sur OpenAlexafffundabout
Pascale Lehoux, Hudson Silva, Robson Rocha de Oliveira, Lysanne Rivard

Notice bibliographique

RevueJournal of Responsible Innovation · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversité de Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésFormative assessmentSummative assessmentResponsible Research and InnovationTransparency (behavior)Face (sociological concept)Public relationsBusinessKnowledge managementEngineering ethicsSociologyComputer sciencePolitical scienceEngineeringPedagogySocial science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Responsible Research and Innovation (RRI) scholars have explored how businesses perceive the goals and processes of RRI and have developed tools to enable entrepreneurs to integrate such principles into their practices. While these tools often adopt a formative approach and may include measurable self-assessment indicators, external assessment approaches have so far received little attention. This study addresses this gap by applying the Responsible Innovation in Health (RIH) Tool, which adopts an external assessment approach, to 16 health innovations from Canada and Brazil. Combining publicly available information sources and interviews, our findings show the extent to which the nine attributes of the Tool are fulfilled and shed light on how entrepreneurs materialize these responsibility considerations. Such an external assessment increases transparency and makes more explicit the responsibility trade-offs entrepreneurs face. In view of the RRI tools available, reconciling formative and summative ends in their development could make RRI's expectations towards businesses more actionable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,056
score de la tête « metaresearch » (Gemma)0,056
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0560,056
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,332
Tête enseignante GPT0,431
Écart entre enseignants0,098 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations28
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Responsible InnovationMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207