Les cégeps et le monde de l'innovation : au carrefour des dynamiques régionales et sectorielles?
Bibliographic record
Abstract
Cet article porte sur la collaboration intersectorielle entre les cégeps et les petites et moyennes entreprises en recherche d’innovation dans le contexte québécois. La collaboration entre les institutions d’enseignement post-secondaires et les entreprises est reconnue comme une condition importante pour l’innovation et le développement à l’échelle des territoires. Toutefois, les travaux québécois qui se penchent sur la contribution spécifique des collèges à l’innovation sont rares et se sont surtout centrés sur les centres collégiaux de transfert de technologie (CCTT). Afin d’approfondir notre compréhension de la collaboration intersectorielle cégep et acteurs du développement, ce texte fera, dans un premier temps, un bref retour sur la littérature concernant le rôle des collèges dans les systèmes d’innovation. Par la suite, il s’attardera à la place des cégeps à deux échelles : tout d’abord à l’échelle des politiques québécoises de soutien à l’innovation et à l’échelle régionale à travers une étude exploratoire du cas de la région de l’Outaouais. Cette dernière étude de cas permet d’interroger comment les cégeps négocient leur espace de collaboration entre les logiques territoriales (régionales) et sectorielles de l’innovation.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.010 | 0.010 |
| Scholarly communication | 0.015 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
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".