Grand Challenges Unpacked: Strategic Implications of Coordination, Competition, and Communication
Notice bibliographique
Résumé
In an era of significant societal challenges like climate change and biodiversity loss, how do we best tackle these complex issues? This symposium presents a reevaluation of traditional methods, spotlighting nuanced strategies in the realm of grand challenges (GCs). Addressing gaps in current GC literature, our symposium uniquely balances centralized, public coordination with decentralized, market-driven competition. Our set of five papers explore the microfoundations of societal problem-solving, traditionally depicted as a monolithic goal yet demanding systematic unpacking. Our inquiry of organizational modes spans from the roles of mission-oriented R&D programs, public-private partnerships to innovation tournaments, in the face of environmental and regulatory uncertainties. Our papers also employ diverse cutting-edge methods, including abductive reasoning, machine learning, and content analysis. This approach encourages the exploration of novel solutions to complex problems, particularly valuable in uncertain scenarios where not all variables are observable, and creative, interdisciplinary thinking is required. We examine a variety of high-risk, high-tech industries such as radar, autonomous vehicles, space exploration, carbon capture, and Covid testing. Challenging the prevailing emphasis on macro-level coordination, we unveil the transformative impact of competition and laissez-faire approaches. These studies collectively investigate how nuanced communication, regulatory dynamics, and collaborative efforts can reshape our understanding of GCs, offering innovative solutions and strategic insights. Join us to delve into the multifaceted world of GCs, where innovative approaches redefine societal problem-solving. This symposium is an invitation to rethink, rediscover, and respond to the most pressing challenges of our time with fresh perspectives and groundbreaking research methods. Coordinated R&D Programs and the Creation of New Industries Author: Daniel Gross; Fuqua School of Business, Duke U. Author: Maria Roche; Harvard Business School Identification of the solution to an exploratory search to address a grand challenge: NASA’s search Author: Raja Roy; New Jersey Institute of Technology Author: Francisco Polidoro; U. of Texas at Austin Author: Curba Morris Lampert; Florida International U. Author: Minyoung Kim; The Ohio State U. Scaling up to drawdown: entrepreneurs and system architects in the nascent carbon removal industry Author: Angie Otteson Fairchild; Kenan-Flagler Business School, U. of North Carolina at Chapel Hill Author: Timothy Ott; U. of North Carolina, Chapel Hill Author: Mahka Moeen; U. of Wisconsin Who will go against the will of the regulator? A study of the nascent COVID-19 test industry Author: Seojin Kim; Drexel U. Author: J.P. Eggers; New York U. The DARPA Grand Challenge and the Emergence of the Autonomous Vehicle Ecosystem Author: Eunhee Sohn; Georgia Institute of Technology Author: Vijayaraghavan Venkataraman; Indian Institute of Management, Bangalore Author: Hye Young Kang; Ewha Womans U.
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 | 0,015 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,038 |
| Communication savante | 0,027 | 0,032 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».