Le rôle des synergies locales dans les processus spatiaux d'innovation
Bibliographic record
Abstract
Cet article porte sur l’évolution du rapport local-international selon les différents modèles (ou théories) de la diffusion spatiale de l’innovation: les modèles épidémico-hiérarchiques, les modèles de la division spatiale du travail, les modèles réticulaires. Il essaye, d’une façon originale, de situer la position de la PME innovatrice en distinguant trois espaces de vie de la firme : l’espace de marché, l’espace de production et l’espace de soutien. Les résultats de l’étude montrent que, dans une vision classique, la PME agirait plutôt selon le cadre défini par son espace de marché et dans un modèle où les règles du jeu seraient dictées par le marché et par la hiérarchie urbaine. Dans un contexte structurel de division spatiale du travail, au contraire, la PME devra surtout agir pour adapter son « espace de production » sans pour autant s’affranchir d’une certaine subordination par rapport à la grande entreprise multinationale et aux centres métropolitains. Enfin, le modèle récent d’analyse selon une approche réticulaire place théoriquement la PME dans une position d’affranchissement par rapport aux subordinations citées, à la condition qu’elle sache développer son espace de « soutien », c’est-à-dire une stratégie de rapport « hors marché » à caractère précompétitif. Or, ce qui est intéressant, c’est que cet espace de soutien sera avec une bonne probabilité réalisable dans certains lieux spatialement marqués par une cohésion nouvelle, par des synergies locales qui représentent à la fois un élément constitutif et un résultat de l’existence d’un « milieu innovateur », selon la terminologie du GREMI.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.008 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".