Évaluation et développement des clusters. Comparaison de deux clusters : en France et au Québec dans le domaine du transport
Notice bibliographique
Résumé
Dans un contexte de mondialisation et d’économie de la connaissance, des initiatives de clusters ont été largement mises en place partout dans le monde. En effet, la mise en place des clusters a suscité un intérêt particulier à les évaluer et à mesurer leurs performances et leurs impacts. La littérature montre que toutes les problématiques liées à l’évaluation des clusters sont posées de manière très générale, sans vraiment prendre en compte les différentes phases de développement des clusters au cours du temps lors de la définition des critères et des indicateurs d’évaluation. Or, la performance des clusters dans des phases de développement différentes n’est pas du tout la même. Ainsi, les critères et les indicateurs d’évaluation des clusters semblent varier en fonction de leur stade de développement et leur degré de maturité, une analyse de cycle de vie des clusters est nécessaire.Dans ce travail de recherche doctoral nous avons développé un modèle d’évaluation qui regroupe les différentes phases de développement du cluster. Et pour chaque phase de développement nous proposons des critères d’évaluation.Pour ce faire, nous avons choisi une méthodologie de nature qualitative par étude de cas. En effet, nous étudions deux cas de clusters dans le domaine du transport dans deux pays différents : le pôle de compétitivité "Mov’eo" en France et le créneau d’excellence "Transportail" au Québec, avec une comparaison à posteriori.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».