MétaCan
Menu
Retour à la cohorte
Enregistrement W4409574118 · doi:10.1080/2157930x.2025.2466930

Exploring the business model of innovation spaces: an international analysis of environments for creativity, innovation and development

2025· article· en· W4409574118 sur OpenAlexaff
Jose Montes, Aglaya Batz, Utz Dornberger, Ivan Camilo Velasquez

Notice bibliographique

RevueInnovation and Development · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesMinistério da Ciência, Tecnologia e InovaçãoWorld Bank Group
Mots-clésCreativityBusinessKnowledge managementBusiness modelEconomic geographyIndustrial organizationMarketingPolitical scienceEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

A variety of physical spaces exist to foster creative activities as well as the development of innovations by offering solutions to complex problems: Social Labs, Makerspaces, Hackerspaces, Idea Labs, among others. Despite their growing relevance in the innovation ecosystem, it is difficult to differentiate their business model and value proposition. This paper addresses this difficulty by exploring the elements that characterize the business model domains of innovation spaces. Through qualitative web content analysis, we studied 87 spaces located in eleven countries, with a focus on Colombia. We found that the value proposition among these spaces can be focused on: education, prototyping and experimentation, solving social problems, and fostering entrepreneurship and innovation. This study expands our understanding of innovation spaces, value proposition, communication channels and revenue streams. Moreover, it theorizes about the relationships and dynamics between innovation spaces, co-creation, and value proposition through a framework developed inductively.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0030,010
Communication savante0,0130,012
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
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 Opus0,120
Tête enseignante GPT0,289
Écart entre enseignants0,169 · 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 revueInnovation and DevelopmentMême sujetInnovation and Knowledge ManagementTravaux en français237 207