Okos, innovatív vagy mindkettő? Az Innováció Európai Fővárosa (iCapital) versenyek eddigi tapasztalatai
Bibliographic record
Abstract
Az Innováció Európai Fővárosa versenyt pilot jelleggel 2014-ben indították útjára, célja a legjobb városi innovációs ökoszisztémák kiválasztása és támogatása.Az Európai Unió iCapital díja elismeri és jutalmazza a városok egyedülálló hozzájárulását az európai jóléthez, kiemelve a helyi közigazgatás fontosságát a társadalmi gazdagság elérésében.Az eddigi innovációs fővárosok -Athén (2018), Párizs (2017), Amszterdam (2016) és Barcelona (2014) -olyan innovatív megközelítéseket követnek, amelyek a városokat az önrendelkezés, fenntarthatóság, körkörösség, rugalmasság és okosság terén egyaránt fejlesztik.Ezeken túl a díj támogatja a helyi önkormányzatok új megoldásokat alkalmazó kezdeményezéseit, amelyek célja a hatékonyabb együttműködés.A pályázati feltételek alapján több mint 900 város jogosult a versenyben való részvételre az Európai Unió és a Horizont 2020 programhoz társult országok területéről.Az elmúlt években összesen 150 értékelhető pályázat érkezett be, amelyek között volt néhány újra benyújtott pályázat is.Az éles nemzetközi versenyben -hasonlóképpen más, közvetlenül az Európai Bizottság szintjén kezelt lehetőségekhez -a közép-és kelet-európai (kiemelten a visegrádi) országok részvételi aránya relatíve alacsony.Egyre erősödik azonban a Horizont 2020 programhoz társult országok aktivitása.A 2018. évi (legutóbbi) pályázati körben 16 országból 27 versenypályázat érkezett be, amelyek közül 26 volt értékelhető.Az EU13 (újonnan csatlakozott) országokból a pályázatok kevesebb mint 10%-a
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.012 | 0.003 |
| Open science | 0.000 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".