Qu'est-ce qu'un <i>fer à repasser le cuir</i> ou un <i>téléphone oiseau</i> ? L'usage de combinaisons conceptuelles pour générer et comprendre les concepts de nouveaux produits
Bibliographic record
Abstract
Cet article présente le cadre des combinaisons conceptuelles, qui sous-tendent l'aptitude créative à combiner des concepts existants pour en créer de nouveaux. À l'aide de ce cadre, nous identifions deux processus de création, qui sont ( a ) le transfert de propriétés (TP), qui consiste à combiner des concepts en transférant la propriété d'un concept vers un autre (par exemple: la forme dans le cas des ordinateurs bloc-notes ); et ( b ) la liaison des relations (LR), qui consiste à lier deux concepts combinés par une relation thématique (par exemple: la relation locative pour des ordinateurs de bureau ). Nous étudions l'effet de ces processus de compréhension des concepts de nouveaux produits à l'aide de plusieurs expériences. Nous montrons dans l'étude 1 que les nouveaux produits élaborés à partir de LR sont plus faciles à interpréter que les nouveaux produits créés à partir de TP. Dans l'étude 2, nous trouvons que les nouveaux produits qui combinent des concepts issus de catégories d'ordre supérieur différentes ont plus tendance à être interprétés par LR, et ils sont plus faciles à comprendre que les nouveaux produits combinant des concepts issus des mêmes catégories d'ordre supérieur, qui sont interprétés par TP. Nous discutons par la suite des implications théoriques et managériales que nous offrent les combinaisons conceptuelles dans le contexte de génération de nouveaux produits.
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 | 0.045 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".