La créativité dans le soutien territorial à l’innovation au Québec. Le rôle des catalyseurs et des cercles de créativité
Bibliographic record
Abstract
Le Centre de recherche sur le développement territorial (CRDT) de l’Université du Québec à Chicoutimi (UQAC) a exploré deux mécanismes territoriaux de créativité. D’abord fut exercée une enquête auprès d’un échantillon représentatif de « catalyseurs de créativité ». Dans la littérature scientifique, les fonctions de ces catalyseurs souvent appelés intégrateurs, médiateurs, facilitateurs ou « empannatore » s’avèrent mal connues, bien que leur rôle soit bel et bien pointé. L’enquête auprès d’une soixantaine de catalyseurs s’est déroulée dans cinq technopoles du Québec, soit Laval, Sherbrooke, Rimouski, Saguenay et Saint-Hyacinthe en 20091. Deuxièmement, nous avons expérimenté « in vivo » la formule des « cercles de créativité » sur un territoire. Ce mécanisme d’interaction bien connu pour identifier et résoudre des problèmes, devient largement recommandé dans la littérature récente pour sa capacité théorique à participer au processus territorial de soutien à l’innovation. Notre expérimentation d’une dizaine de cercles de créativité s’est effectuée par l’entremise d’un Forum qui a mobilisé plus de 300 participants au Saguenay – Lac-Saint-Jean en décembre 2008.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.008 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".