The age of knowledge : the dynamics of universities, knowledge and society
Notice bibliographique
Résumé
List of Tables and Figures Acknowledgements Notes on Contributors Introduction: The Dynamics of Universities, Knowledge and Societies, James Dzisah and Henry Etzkowitz PART I: KNOWLEDGE, GLOBALIZATION AND IDENTITY 1. Normative Change in Science and the Birth of the Triple Helix, Henry Etzkowitz 2. Globalization and Scientific Research in Japan, Zaheer Baber 3. Triple Helix or Triple Jeopardy? Universities and the Social Relations of Knowledge, Terry Wotherspoon 4. The Big Shift: Science and Universities in Crisis, Toby E. Huff 5. Societal Rationalization: Cultural Innovation and Knowledge Islamization in Malaysia, Choon-Lee Chai 6. Gender and Identity in a Globalized World, Patience Elabor- Idemudia PART II: KNOWLEDGE INNOVATION, GOVERNANCE AND POLICY 7. The Triple Helix of Knowledge, James Dzisah and Henry Etzkowitz 8. Crossing Boundaries: Creating, Transferring & Using Knowledge, Harley D. Dickinson 9. Governing Innovation in a Knowledge Society, Peter W. B. Phillips 10. Public Policy Actors and the Knowledge-Based Social Order, Michael W. Kpessa 11. Regionalized Health Care System in Canada: Towards a Knowledge Management Strategy, William Boateng PART III: UNIVERSITIES, INTERMEDIATE ACTORS AND THE KNOWLEDGE ECONOMY 12. Facilitating Knowledge Transfer: The Role of Intermediating Organizations, Amy S. Metcalfe 13. Ideals and Contradictions in Knowledge Capitalization, James Dzisah 14. In the Grey Area: University Research and Commercial Activity-The Case of Language Technology, Tarja Knuuttila 15. Public Universities and Emerging Fuel Cell Technology: Insights from Singapore and Malaysia, Zeeda F. Mohamad Index
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».