Capital de créativité, apprentissage collectif et innovation : le cas de la région du Saguenay-Lac-Saint-Jean
Notice bibliographique
Résumé
La montée d'une nouvelle économie du savoir, où l'innovation et les avancées liées aux activités d'apprentissage de la connaissance possèdent une valeur accrue, tend à transformer les conditions de développement des territoires locaux et régionaux. Ainsi, ces derniers doivent s'adapter aux changements rapides des marchés en devenant des lieux qui fertilisent l'innovation. La région du Saguenay-Lac-Saint-Jean possède les différents éléments d'un système d'innovation performant, notamment la présence d'un capital de créativité composé des ressources humaines, entreprises et organismes du territoire qui oeuvrent à la production de nouvelles activités économiques. \n \nMais, malgré son potentiel innovateur, la région semble éprouver de la difficulté à s'intégrer et à être compétitive sur les marchés de la nouvelle économie du savoir. Ainsi, les experts qui forment le capital de créativité de la région ne semblent pas assez dynamiques en matière d'innovation. Face à cette réalité il nous apparaît important d'étudier la manière dont ces derniers pourraient s'y prendre pour fertiliser davantage l'innovation sur le territoire. \n \nEn s'appuyant sur la théorie des territoires à succès, qui représentent des milieux aptes à faire émerger fortement l'innovation, nous pouvons constater que la capacité des experts d'un milieu à travailler ensemble et à réunir leurs compétences pour ?uvrer à des projets communs de développement joue un rôle important en matière d'innovation. Ainsi, la capacité de développer des processus d'apprentissage collectif, basés sur un partage et un transfert important de la connaissance entre les ressources humaines expertes des territoires locaux et régionaux, tend à stimuler l'innovation en ces territoires. \n \nNotre cadre théorique, composé des concepts de territoires à succès et d'apprentissage collectif, démontre l'importance d'étudier la capacité des acteurs qui composent le capital régional de créativité à stimuler des processus innovateurs basés sur un plus grand partage de la connaissance entre eux. Ainsi, ce mémoire consistera à présenter une analyse des diverses formes de mécanismes d'interaction ou de «réseautage» que se développent les experts créatifs de la région entre eux pour réaliser collectivement des projets innovateurs. \n \nPour ce faire, nous tenterons de répondre à la question de recherche suivante : quels mécanismes interactifs permettent aux ressources humaines qui composent le capital de créativité de la région du Saguenay-Lac-Saint-Jean de développer des processus d'apprentissage collectif efficaces qui renforcent la capacité innovatrice de la région, accentuant ainsi ses avantages concurrentiels pour l'aider à se repositionner plus facilement sur les marchés de la nouvelle économie du savoir ? Bref, ce mémoire démontrera l'existence de plusieurs formes de mécanismes d'interaction sur le territoire qui tendent à fertiliser l'innovation dont nous présenterons les caractéristiques spécifiques qui les distinguent les unes des autres. \n
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».