MétaCan
Menu
Back to cohort
Record W4399749488 · doi:10.3917/geco1.155.0024

La création de l’Agence de l’innovation de défense : une innovation institutionnelle

2024· article· fr· W4399749488 on OpenAlexaff
Laure Colin, Hervé Dumez

Bibliographic record

VenueAnnales des Mines - Gérer et comprendre · 2024
Typearticle
Languagefr
FieldEconomics, Econometrics and Finance
TopicDefense, Military, and Policy Studies
Canadian institutionsNatural Sciences and Engineering Research Council of Canada
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

L’Agence de l’innovation de défense (AID) est créée en 2018. Il s’agit d’une innovation institutionnelle dans un domaine, celui de la défense, structuré et stable. L’agence créée a pour objectif de regrouper au sein d’une même structure les anciens dispositifs de gestion épars au sein du ministère en matière d’innovation, ainsi que les nouveaux dispositifs d’innovation « ouverte ». Ces derniers visent à capturer et exploiter rapidement les innovations issues d’acteurs du domaine civil. Comment analyser le processus ayant conduit à une telle innovation ? Dans cet article, nous nous proposons, à partir d’une narration de la création de l’AID et d’une série d’entretiens menés auprès d’acteurs du milieu de la défense, de montrer, d’une part, que cette innovation est le résultat d’une cristallisation, et, d’autre part, de mettre en évidence trois dilemmes, en écho au titre du livre de Christensen (Christensen, 1997), propres à une innovation institutionnelle : celui de la création subtile ou restructurante ; celui de l’adaptation ou de la création ; celui, enfin, de l’attèlement. L’étude de cas permet d’enrichir la théorie de l’innovation institutionnelle formulée par Van de Ven et Hargrave (Van de Ven et Hargrave, 2004 ; Hargrave et Van de Ven, 2006), qui n’identifiait qu’un de ces dilemmes (adaptation versus création) repensé à partir de la notion d’innovation subtile.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.708
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.003
Science and technology studies0.0000.001
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.077
GPT teacher head0.315
Teacher spread0.238 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueAnnales des Mines - Gérer et comprendreSame topicDefense, Military, and Policy StudiesFrench-language works237,207