MétaCan
Menu
Retour à la cohorte
Enregistrement W4388195990 · doi:10.1142/s136391962340008x

MANAGING THE CO-CREATION PROCESS: WHEN THE CAKE DOES NOT RISE

2023· article· en· W4388195990 sur OpenAlexaff
Alexandra Dion-Poulin, Sophie Veilleux, Véronique Perreault, Sylvie L. Turgeon

Notice bibliographique

RevueInternational Journal of Innovation Management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueService and Product Innovation
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCo-creationProcess (computing)CreativityOpen innovationBusinessIdeationService (business)Innovation processValue (mathematics)Value creationMarketingKnowledge managementProcess managementComputer scienceWork in processPolitical science

Résumé

récupéré en direct d'OpenAlex

Co-creation is recognised in the literature as fostering successful collaboration between academia and industry. Although models do exist, they only contain general principals and provide no details about the process from ideation to value creation. Moreover, they are established based on a consideration that industry submits a problem and the university provides solutions. However, with increasing pressure on researchers for their research to lead to tangible applications, universities must now also turn to firms to pinpoint their needs and practices. The purpose of this paper is to understand how a researcher can implement and manage a co-creation project in collaboration with firms to foster innovation. A university research team in food science and technology, in response to the issue of allergen management in the food service industry, more specifically the use of eggs in pastries, has led a co-creation project with six professional pastry chefs to improve cake formulations, in which eggs were replaced with legume puree. Based on the results and the literature, a model to manage the co-creation process between academia and industry that incorporates a collaboration platform is proposed. This paper also identifies the concrete practices that foster creativity and interaction among participants and that lead to 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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,639
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,023
Tête enseignante GPT0,307
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovation ManagementMême sujetService and Product InnovationTravaux en français237 207