La diffusion des connaissances vers les PME : vers un modèle d’exploration collective
Bibliographic record
Abstract
Si les relations entre la recherche publique et l’industrie s’établissent « naturellement » avec les grandes entreprises, il en va différemment avec les petites entreprises à faible densité de recherche. Comprendre comment les organismes de recherche publics peuvent améliorer la diffusion des connaissances vers les PME constitue le principal objectif de cet article. Notre analyse montre que deux modes distincts de production/diffusion des connaissances vers l’industrie coexistent. Le premier, basé sur la coproduction de la demande et des connaissances, se caractérise par la simultanéité du processus de production et de diffusion. Le second, basé sur l’exploration collective et la standardisation de la demande et des connaissances, dissocie la phase de production et de diffusion dans le temps mais développe une stratégie d’organisation permettant une totale connexion des deux phases. Alors que le premier mode fonctionne de manière plutôt satisfaisante pour le transfert de connaissances vers les grandes entreprises ou les PME high-tech, le second semble plus adapté aux coopérations entre la recherche publique et les PME faiblement intensives en recherche. Cet article met en perspective ces deux modèles à travers deux études de cas et en dégage quelques enseignements en termes de management des relations public/privé.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".