Innovation, Breakthroughs & Disruptive Knowledge: Evidence from Science & Scientists
Notice bibliographique
Résumé
Organizations crucially rely on knowledge and innovation. It represents the commercial potential of firms’ research and development (R&D) activities (Katila and Shane 2005) and is thus a source of competitive advantage and profits (Utterback 1994). Further, scientific methods can be applied to processes of creative search within organizations to create new business opportunities (Li et al. 2013; Rosenberg and Nelson 1994). Innovative products may open new markets and drive long-run economic growth (Hasan and Tucci 2010), and novel research may open new paradigms and fields and lead to scientific breakthroughs (Kuhn 1962). Breakthrough inventions create “Schumpeterian rents” (Schumpeter 1939), on which the entry, growth and survival of firms hinge. Yet, innovation is invariably unpredictable (Katila and Chen 2008). Novel products, processes and theories are developed through an inherently complex and ambiguous process. The path to an innovation is a tortuous one, ripe with dead- ends and pitfalls, and the scientific, technical, and commercial promise of an innovation is rarely understood in advance. At the heart of these search paths lies a tension: knowledge is built cumulatively (Merton 1973) and the search for innovation inherently relies on this wealth, yet innovative knowledge breaks with prior work (Hargadon and Sutton 1997; Uzzi et al. 2013a). What is the cartography of those search paths? Does divergence from mainstream knowledge implies low reliance on prior work? How can external audiences evaluating innovation influence these search paths, at times in biased ways? How can innovators find breakthroughs in well-defined but understudied technological spaces? These questions are important to craft strategy processes for managers and resources allocation for policymakers. To answer them, we turn to science (and scientists) as one of the prime search spaces for innovation and breakthroughs. This presenter symposium will assemble four papers on search, innovation, and breakthroughs to further our understanding of these topics. Data-Driven Search and Innovation in Well-Defined Technological Spaces Author: Matteo Tranchero; Haas School of Business, UC Berkeley Greenlighting Innovative Projects: How Evaluation Format Shapes the Perceived Feasibility Author: Jacqueline Lane; Harvard U. If All is Lost: How Negative Social Evaluations May Shape Innovation Author: Paul Bliot; HEC Paris Author: Michael Park; INSEAD Gender Inequality and the Technological Impact of Scientific Ideas Author: Michael A. Bikard; INSEAD Author: Isabel Fernandez-Mateo; London Business School
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 | 0,012 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».