Bibliographic record
Abstract
Envisagée en termes de Troisième mission, l’université « entreprise », également appelée université « entrepreneuriale », s’est peu à peu inscrite dans le panorama conceptuel ordinaire des politiques publiques. Les analystes ne sont toutefois pas parvenus à s’entendre sur ce qu’implique réellement cette Troisième mission pour les deux autres volets de l’activité universitaire. Ainsi, il existe peu de données probantes fiables permettant d’affirmer que la Troisième mission a un impact négatif sur l’enseignement et/ou la recherche (fondamentale). Selon Martin et Etzkowitz (2000), certaines preuves anecdotiques indiquent que la Troisième mission contribuerait, au contraire, à dynamiser les deux missions traditionnelles. C’est précisément sur ce débat que les auteurs de cet article souhaitent apporter leurs lumières. Ils s’intéressent, à cet effet, à la façon dont la Troisième mission peut réellement promouvoir les activités d’enseignement et de recherche, soulignant à quel point cet effet de levier présente, en lui-même, une importance bien supérieure à la Troisième mission. Les auteurs sont ainsi persuadés qu’une imbrication de l’enseignement, de la recherche et des activités relevant de la Troisième mission peut, grâce au développement progressif et mutuel de ces volets, avoir pour effet de renforcer leurs dynamiques respectives. Conceptualiser globalement l’engagement des établissements en faveur de la Troisième mission en termes « d’architecture entrepreneuriale » peut permettre aux universités de stimuler leur développement institutionnel au-delà de la Troisième mission. Les auteurs concluent en envisageant l’avenir du point de vue des politiques d’enseignement supérieur et de la gestion des établissements d’enseignement supérieur.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.013 |
| Scholarly communication | 0.013 | 0.015 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.004 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".