Pour créer des collaborations fructueuses au sein des écosystèmes d’innovation, se rencontrer ne suffit pas
Bibliographic record
Abstract
Les initiatives visant à développer un écosystème favorable à la création et à la croissance des entreprises et/ou de l’innovation reposent sur l’idée de réunir une diversité d’acteurs. Les interactions sociales, ouvertes et diversifiées, deviennent alors du soutien et des moteurs de l’innovation. Déterminantes du succès des écosystèmes, elles sont pensées comme « faciles » tant à faire exister qu’à multiplier. Dans le présent article, nous revenons sur quelques constats de base de la sociologie des réseaux, puis utilisons le concept d’homophilie pour examiner la faisabilité sociologique de cette multiplication et de cette diversification des relations. L’analyse s’appuie sur l’étude de deux cas exemplaires. D’une part, l’écosystème montréalais de startups dans le secteur numérique, où l’absence d’homophilie explique la relative rareté des collaborations et, d’autre part, l’Esplanade, un accélérateur et espace collaboratif montréalais dédié à l’entrepreneuriat et à l’innovation sociale, où la ressemblance des acteurs explique les nombreuses collaborations observées.
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 | 0.008 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.009 | 0.010 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.004 |
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".