Reflective Appraisal of Transformative Innovation Policy: Development of the Sustainability Transition and Innovation Review (STIR) Approach and Application to Canada
Notice bibliographique
Résumé
In the context of governing innovation systems for low-carbon transitions, learning is paramount. In this article, we look specifically at the issue of learning through innovation policy review processes. We begin by reviewing the academic literature on innovation policy reviews as well as the emerging literature on transformative innovation policy (TIP) in the contexts of major challenges such as climate change. Drawing from this review, we argue that traditional policy review frameworks fail to provide the kind of learning required to assess challenge-oriented innovation policies and that new, more reflexive approaches are required. We then propose a novel evaluative framework, the Sustainability Transition and Innovation Review (STIR), which incorporates insights from the TIP literature in order to address this gap. The basis for the proposed STIR framework in the theoretical literature is reviewed, and we then describe the results of a test of the STIR framework to evaluate Canada’s policy mix for driving a socio-technical transition from fossil-powered to electric vehicles. Insights from the test application show that the STIR approach helped uncover key explanatory dynamics around incremental vs. transformative change in Canada’s innovation policy performance, and highlighted the interplay between governance and substantive weaknesses in the policy mix. We conclude by arguing that these findings demonstrate the importance of updating policy review frameworks with the insights of the recent TIP literature.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,164 | 0,285 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,020 | 0,015 |
| Études des sciences et des technologies | 0,010 | 0,015 |
| Communication savante | 0,023 | 0,010 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».