A transferência para o mercado do conhecimento produzido na pesquisa acadêmica
Bibliographic record
Abstract
A economia no passado centrada no capital físico, na terra, nos recursos naturais, é modificada, e a fonte da riqueza passa a ser o conhecimento. Como resultado do avanço da pesquisa em ciência e tecnologia, os padrões de produção também são modificados. Nesse contexto, as empresas que fazem a gestão do capital intelectual passam a reter e aplicar o conhecimento no desenvolvimento de novos bens e serviços, para atender a uma demanda especializada e tornam-se competitivas perante os concorrentes. No mesmo sentido, as universidades participam como agentes propulsoras da geração de conhecimento por meio da excelência na pesquisa. Nessa nova economia, centrada nos ativos do conhecimento, elas são consideradas elementos-chave e, diante da valoração do conhecimento, analisam o seu potencial de criação e transferência de conhecimento para a implementação da inovação no mercado. Em 2011, com o objetivo de testar um modelo de identificação e análise do conhecimento produzido na pesquisa das universidades, foi realizada uma pesquisa na Universidade Federal de Santa Maria, no sul do Brasil. Os resultados mostraram que a pesquisa ocorre nos laboratórios e grupos de pesquisa no contexto universitário, mas não existe um resultado inovador de relevância: a transferência do conhecimento produzido para o mercado é de baixa expressividade. A partir da aprovação da Lei de Inovação em 2004 e da implementação dos Núcleos de Inovação Tecnológica nas universidades, a tendência é uma maior aproximação da academia com o mercado na produção de conhecimento direcionado para a inovação.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.022 | 0.024 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".