Bibliographic record
Abstract
Les politiques pour l’innovation ont évolué dans les dernières décennies, d’un côté, vers la dimension régionale et, de l’autre, vers une approche indirecte ou de type infrastructurel ; néanmoins, la question de leur évaluation reste ouverte, en raison des nombreux échecs enregistrés un peu partout dans le monde et des sommes importantes affectées à ces interventions. Pour contribuer à éclairer ce problème, nous avons analysé deux réalités assez similaires : un pôle de compétitivité française, localisé en Provence-Alpes-Côte d’Azur (PACA), et le territoire italien du Canavese en Piémont. Pour chaque territoire, une méthodologie mixte, qualitative et quantitative, a été utilisée pour analyser la pertinence des projets innovateurs, visant à soutenir les PME locales ainsi que la croissance des zones étudiées, et leur corrélation avec les performances des entreprises impliquées. Les résultats montrent d’importantes différences selon le type de projet, de service et d’unités concernées, mais ils mettent en évidence, dans les deux cas analysés, d’un côté, la croissance certaine des entreprises impliquées, qui s’observe pendant la période d’allocation des services et les deux à trois années suivantes, et, de l’autre côté, la différente réaction des unités analysées, pendant une plus longue période : elle dépend de certains facteurs liés aux états technologiques et économiques des entreprises, qui seront mieux expliqués dans un travail futur.
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 | 0.035 | 0.051 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.013 | 0.006 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".