Open innovation in the life science industry: drivers, barriers and importance to be part of a cluster.
Notice bibliographique
Résumé
Sommario Questo lavoro di tesi è stato realizzato grazie ad un internship di sei mesi presso l’École Polytechnique de Montréal. Obiettivo del progetto è indagare in che modo le aziende, che appartengono al settore del Life Science, attuino pratiche di open innovation: quali sono i principali driver; quali le barriere e quale il vantaggio per le imprese appartenenti a un cluster. Per investigare quanto sopra è stata realizzata una survey di diciassette domande a risposta chiusa che è stata poi inviata alle aziende che appartengono ai cluster del Québec e della Toscana. È stata fatta, quindi, una comparazione tra i risultati ottenuti attraverso questo progetto e quelli ottenuti da una precedente ricerca effettuata in Danimarca, all’interno della Medicon Valley. Abstract This thesis work has been made possible thanks to a six-month internship at the École Polytechnique de Montréal. The project aims to explore how companies, which belong to the field of Life Science, implement practices of open innovation: what are the main driver; what barriers and what the advantage for companies belonging to a cluster. To investigate the above it was carried out a survey of seventeen closed questions that was then sent to companies that belong to the Quebec and Tuscany cluster. It was made, therefore, a comparison between the results obtained through this project and those obtained from previous research carried out in Denmark, in the Medicon Valley.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».