Bibliographic record
Abstract
Les biotechnologies appliquées à la santé humaine s’imposent aujourd’hui comme le nouveau paradigme fondateur des recherches dans le secteur pharmaceutique. Ces nouvelles technologies sont diffusées le plus souvent par des PME créées par des chercheurs issus du monde universitaire. Ces PME constituent de véritables vecteurs de transferts technologiques entre le monde universitaire et l’industrie pharmaceutique. L’évolution de ces PME dépend fortement du nombre de coopérations qu’elles réalisent avec l’ensemble des acteurs présents dans leur milieu d’implantation. Les études empiriques montrent le fort ancrage spatial de la création d’entreprises innovantes dans le domaine des biotechnologies appliquées à la santé humain (BASH). En France, ces PME sont localisées en majorité dans la région Île-de-France. Cette forte concentration des PME de BASH nous pousse à nous interroger sur l’impact de la localisation et des coopérations sur le développement de ces PME de BASH. Cette recherche qui porte sur l’étude de 60 PME de BASH en France tentera d’étudier le rôle modérateur du choix de la localisation dans la relation entre les coopérations et le développement des PME de BASH à travers l’étude des PME de BASH en France. Les résultats obtenus montrent l’importance du rôle modérateur de la localisation dans les relations entre les coopérations avec la recherche universitaire, les coopérations avec l’industrie pharmaceutique et les coopérations avec les autres entreprises de biotechnologies, d’un côté, et le développement des PME de BASH, de l’autre côté.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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".