Technological Plan for research group leaders: possibilities, content and comparative practices in engineering areas of Brazil and Canada
Bibliographic record
Abstract
A literatura de gestão tecnológica reconhece o planejamento como fonte de sucesso para o desenvolvimento de inovações, e traz recomendações e sugestões para sua elaboração. Quando a inovação é gerada à partir de conhecimento científico, os líderes de grupos de pesquisa habitualmente adotam como fundamento o planejamento da pesquisa acadêmica. Quais as práticas de planejamento de tecnologia utilizadas por líderes de grupos de pesquisa no ciclo de vida da pesquisa acadêmica? Há correspondência entre tais práticas e as recomendações das teorias sobre Plano Tecnológico? Há lacunas entre os conteúdos identificados e as práticas adotadas? Estas questões são investigadas por meio de um estudo comparativo entre quatro líderes de pesquisa de áreas da engenharia, inseridos em ecossistemas de inovação distintos: Brasil e Canadá. Os relatos dos líderes sobre sua experiência no desenvolvimento da inovação foram comparados à luz das práticas e conteúdos identificados em revisões de literatura em Gestão de Tecnologia, Gestão de Desenvolvimento de Produtos, Gestão de Projetos e Empreendedorismo Tecnológico. Conclui-se que há suficiente evidência para elaboração de uma metodologia para aplicação do plano tecnológico no contexto de grupos de pesquisa e consequentemente o monitoramento da efetiva relevância junto aos seus líderes, bem como a melhoria deste instrumento quanto à sua assertividade como facilitador na tomada de decisão em pesquisa quanto na criação e transferência de novas tecnologias.
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 | 0.009 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.006 | 0.009 |
| Science and technology studies | 0.016 | 0.009 |
| Scholarly communication | 0.008 | 0.002 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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.
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".