Conditional knowledge and debugging strategies help overcome creative endeavours’ costs: Can we use successful innovators’ tactics for innovation education?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Given that society depends on a steady supply of innovators to overcome challenges, innovation education efforts must be amplified to promote innovation skills among students. A key aspect of promoting innovation in context is understanding how and why innovators are motivated to innovate. However, even in the limited emerging literature on motivating innovation, there is a paucity of information on established innovators’ motivations for innovating. This two-phase, primarily qualitative study addresses this knowledge gap by investigating the strategies that innovators used to make their creative endeavours more likely, combining semi-structured interviews and a survey of Canadian innovators. Interviews were conducted with a diverse, multidisciplinary sample of 30 Canadian innovators which informed the development of the survey administered to a larger sample of 500 Canadian innovators. Participants reported costs of innovating and from their perspectives offered advice for aspiring innovators. Specifically, innovators detailed advice and approaches for aspiring innovators to maximize expectancies, maximize values, and proactively mitigate costs. This study calls for innovation education to focus on building capacity for developing innovators based on the strategies of successful innovators. These promotive and mitigating strategies are useful guides for educators, leaders, and of course for innovators themselves. Study results direct attention to approaches that should be integrated into programs designed to promote innovation across disciplines, organizations, and learning contexts.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle