MétaCan
Menu
Retour à la cohorte
Enregistrement W4406597611 · doi:10.53759/5181/jebi202505005

The Role of Technology Incubators in Fostering Interorganizational Networks A Case Study of MaRS

2025· article· en· W4406597611 sur OpenAlexaboutno aff

Notice bibliographique

RevueJournal of Enterprise and Business Intelligence · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMars Exploration ProgramBusinessKnowledge managementAstrobiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Business Incubators (BI) emerged in the early 1980s as a result of previous experiences with different services aimed at developing businesses. Their main objective is to support the process of creating new ventures. They offer cost- effective workspace along with shared amenities, counseling, training, data, and connections to external networks for entrepreneurial collaborations. In this research, we employed a case study design to theorize on the network’s nature and strategies of incubated firms at MaRS Innovation Centre in Canada. This research was carried out over two years (2021– 2023) in the form of 29 interviews with the representatives of the MaRS tenants, including senior executives (20) and managers (7). The interviews that explored business development, R&D strategies and networking at MaRS were audio- taped, transcribed, and analyzed using conventional qualitative data analysis procedures. Tenants were grouped according to business type and incubator functions, while networks were further coded based on functions and partners. The analysis revealed three types of networks such as advisory, spin-off, and strategic, with different degrees of engagement of support organizations, large enterprises, and SMEs. Enablers incorporated the community setting, MaRS business services, close access to advisers, clients, and partners, and MaRS identification, while barriers consisted of distinct business orientations, restricted resources, numerous tenants at MaRS, and approaches to recruitment. MaRS had a strong collaborative culture and offered a wide range of services that greatly supported network development and usage among the tenants

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0160,007
Communication savante0,0060,005
Science ouverte0,0020,008
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,277
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Enterprise and Business IntelligenceMême sujetBig Data and Business IntelligenceTravaux en français237 207