Communitech et la dynamique des communs d’innovation au sein d’un espace collaboratif
Notice bibliographique
Résumé
Le présent article analyse la dynamique de l’innovation qui émerge et se développe dans certains espaces collaboratifs emblématiques qui sont à l’origine de la formation de véritables écosystèmes d’innovation. L’étude se concentre sur le cas de Communitech Hub à Waterloo (Ontario) qui est à l’origine de la formation d’un écosystème entrepreneurial performant. Les résultats mettent en évidence certains traits communs entre ces espaces collaboratifs, à savoir : la dynamique d’innovation dans ces espaces est orchestrée par des initiatives bottom-up menées par des groupes informels d’individus (« commoners ») qui articulent une série de « communs d’innovation » pour développer leur projet innovant collaboratif. D’après nos observations, la dynamique de l’innovation dans les espaces collaboratifs résulte de la séquence de communs suivante : 1) des communs sociaux 2) des communs symboliques, et 3) des communs de connaissance. Au départ, les commoners émergent en tant que groupe actif d’une communauté professionnelle et contribuent à la formation et au maintien d’un commun social basé sur l’ouverture et la fertilisation croisée d’un réseau de professionnels ; ensuite, les commoners s’impliquent en tant que noyau central d’une « communauté épistémique » qui élabore une vision partagée et créer un espace collaboratif pour développer leur objectif d’innovation ; une fois que l’espace collaboratif fonctionne, les commoners mettent en place diverses communautés pour partager, préserver et enrichir un certain nombre de « communs de connaissance ». Chacun de ces communs correspond à un mécanisme de gouvernance de l’action collective sur une ressource commune spécifique qui est un déterminant clé du projet innovant.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».