MétaCan
Menu
Retour à la cohorte
Enregistrement W4386294809 · doi:10.1186/s13731-023-00321-z

Research and technology organizations as entrepreneurship instruments: the case of the Institut National d’Optique in the Canadian optics and photonics industry

2023· article· en· W4386294809 sur OpenAlexaffabout
Mahdi Khelfaoui, Luc Bernier

Notice bibliographique

RevueJournal of Innovation and Entrepreneurship · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensUniversity of OttawaUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipGovernment (linguistics)WorkforcePrivate sectorBusinessTelecommunicationsMarketingEngineeringEconomicsFinanceEconomic growth

Résumé

récupéré en direct d'OpenAlex

Abstract Research and technology organizations (RTOs) are studied in the innovation policy literature mainly as providers of R&D services and as intermediaries between universities and the private sector. Through the case of the Institut National d’Optique (INO), Canada’s leading RTO in the optics and photonics industry, we argue that RTOs can also act as entrepreneurs by generating technologies and commercializing them through licensing, technology transfers and spin-offs. By analyzing the broad range of activities undertaken by INO, we also discuss what characteristics make some RTOs more likely to embrace entrepreneurship than others. Those characteristics include the following: renewed access to government funding to build a strong in-house research infrastructure and scientific workforce; strategic R&D planning that incorporates commercial objectives and an environment that encourages a culture of entrepreneurship among employees; the ability to act as the driving force of a network of academic, government and private sector organizations. From a policy perspective, the INO case indicates that the main value of using RTOs as entrepreneurship instruments does not lie in profitability but rather in developing dynamic regional systems of innovation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,504

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0250,010
Communication savante0,0080,002
Science ouverte0,0010,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,080
Tête enseignante GPT0,316
Écart entre enseignants0,237 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Innovation and EntrepreneurshipMême sujetInnovation Policy and R&DTravaux en français237 207