Les acteurs intermédiaires dans le développement de l'innovation : une comparaison intersectorielle dans la région de Montréal
Bibliographic record
Abstract
Plusieurs travaux de recherche en sciences sociales ont montré que l’innovation comprend une dimension territoriale qui détermine la dynamique du processus ; les entreprises peuvent ainsi être plus ou moins innovantes selon les caractéristiques du territoire où elles se trouvent. Le rôle des organismes intermédiaires a été aussi mis en évidence. Dans ce texte, nous nous intéressons à trois secteurs, soit les technologies de l’information et des communications (TIC), l’aéronautique et le vêtement, et nous déterminons les relations entre les organismes intermédiaires et les intrants nécessaires au processus d’innovation. En nous appuyant sur l’approche des systèmes d’innovation, nous avons identifié plusieurs acteurs qui assument des fonctions d’intermédiation dans le processus d’innovation et qui ont été ciblés pour les études de cas. Notre recherche utilise une méthodologie mixte à savoir qualitative et quantitative. Nous concluons que les organisations intermédiaires réalisent différentes fonctions d’intermédiation, contribuant principalement à la base de connaissance des entreprises.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.011 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".