Science‐based innovation via university spin‐offs: the influence of intangible assets
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
University spin‐offs (USOs) have attracted significant attention from scholars and policymakers as an important mechanism for science‐based innovation. The debate on how USOs generate innovation outcomes has often focused on tangible assets, while the role of intangible assets has been less explored and remains loosely defined. Yet emerging research suggests that intangible assets, especially in the early stages of a USO's lifecycle, have a critical influence on its survival and future success, highlighting a need for a better understanding of how intangible assets enable science‐based innovation through USOs. Drawing from several streams of literature, we define intangible assets in the context of science‐based innovation through USOs: an intangible asset is a resource that is non‐physical, non‐financial, has long life, and has potential to provide future benefits to the owner. Based on this working definition, we conduct a systematic literature review of the leading innovation management journals and inductively derive a framework outlining the antecedents, processes, and outcomes of science‐based innovation through USOs, focusing on the influence of intangible assets. The framework identifies the categories of resources which can enhance or hinder science‐based innovation through USOs. Such categorization reveals fruitful directions for future research such as a deeper examination of societal outcomes. We conclude by offering recommendations for scholars, practitioners, and policymakers to better leverage intangible assets to enhance science‐based 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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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