La commercialisation de la recherche
Bibliographic record
Abstract
Résumé La commercialisation des résultats de la recherche universitaire n’est pas un phénomène totalement nouveau. Cependant, depuis une trentaine d’années, elle est en nette croissance dans le monde industrialisé, particulièrement en Amérique du Nord. Les États-Unis jouent clairement un rôle moteur dans cet essor : soucieuses de préserver une primauté menacée sur le plan économique et technologique, les autorités fédérales se sont dotées très tôt d’outils pour exploiter plus systématiquement le potentiel de leurs universités en matière d’innovation – entre autres, la législation touchant la propriété intellectuelle des chercheurs comme la loi Stevenson-Wydler ou la loi Bayh-Dole. L’expérience des universités américaines et la loi Bayh-Dole ont acquis un peu partout le statut de références incontournables – d’incantations infaillibles, diraient certains – souvent citées sans toujours être examinées plus avant. Or, les effets du Bayh-Dole Act sur l’accroissement des activités de transfert technologique dans les universités ont rarement été étudiés empiriquement et méritent de l’être, d’autant plus que, séduits par l’exemple des États-Unis et convaincus de l’efficacité de leur législation, plusieurs pays cherchent à mettre en place des cadres juridiques s’inspirant des lois américaines. La situation canadienne permet d’apporter plusieurs éléments de réponse à cette dernière question. S’appuyant notamment sur une analyse des chiffres publiés par l’Association of University Technology Managers (AUTM), le présent article permet d’affirmer non seulement que la commercialisation de la recherche s’est développée au Canada sans la mise en place d’un cadre juridique spécifique, mais aussi que les institutions canadiennes manifestent dans ce domaine un dynamisme tout à fait comparable, toute proportion gardée, à celui des universités américaines. Sous ce rapport, l’analyse montre que l’impact de la loi Bayh-Dole sur la commercialisation des résultats de la recherche universitaire a été largement surestimé. On tentera en conclusion d’expliquer pourquoi tant d’importance a été attribuée à cette initiative gouvernementale au mépris des données empiriques.
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 | 0.022 | 0.060 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.031 | 0.014 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.124 | 0.090 |
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".