Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Colloque
Membre a labase
Koosha Shirouyeh : Université Concordia
Cette étude vise à prédire les scientifiques étoiles de l'écosystème scientifique de l'intelligence artificielle (IA). Les données bibliographiques ont été extraites de Scopus et une gamme de techniques d'exploration de données, y compris l'apprentissage automatique et le traitement automatique du langage naturel, ont été utilisées pour obtenir des informations sur la discipline, le sexe et l'origine ethnique des auteurs. L'indice h a été utilisé comme indicateur des performances de la recherche et un réseau bibliographique dynamique d'auteurs en IA a été créé. La prédiction des étoiles montantes est basée sur les caractéristiques de début de carrière des auteurs telles que la production de la recherche, les mesures de réseau social et de diversité. On a trouvé que les étoiles montantes avaient des caractéristiques distinctes par rapport aux étoiles non montantes. Plusieurs classificateurs en apprentissage automatique ont été considérés pour la tâche de prédiction, et les résultats ont montré que les caractéristiques en début de carrière des auteurs ont le potentiel de prédire les scientifiques étoiles dans le domaine de l'IA. Cette étude offre des informations précieuses aux chercheurs, praticiens et organismes de financement souhaitant identifier et soutenir des chercheurs talentueux dans le domaine de l'IA.
Comme les grappes et les réseaux de connaissances ont une influence positive sur l’innovation, il est logique que les organismes engagés dans des écosystèmes d’innovation (ÉI) forts devraient aussi être plus innovants. La littérature sur les réseaux, qui inclut la participation des utilisateurs, couvre aussi explicitement les activités en amont (axées sur la production) et en aval (axées sur les utilisateurs). La conceptualisation des ÉI incluent donc des acteurs extérieurs à la chaîne de valeur traditionnelle tels que les clients, les utilisateurs, les patients, les universités, les régulateurs, les intermédiaires d’innovation et les entreprises qui coévoluent souvent en symbiose. Les ÉI qui sont bien coordonnés et bien organisés en tant que nouveaux modèles de collaboration entre organismes sont réputés accélérer l’innovation.
Les ingrédients et la recette optimale pour des ÉI réussis sont encore à développer. À cet égard, l’Institut TransMedTech (iTMT) et le Conseil de l’innovation du Québec (CIQ) se prêtent au jeu et collaborent avec les membres du Partenariat pour l’organisation de l’innovation et des nouvelles technologies (4POINT0). Tous soulignent la nécessité de développer de nouveaux indicateurs d’innovation appropriés pour mesurer la performance des ÉI.
Plusieurs questions se posent alors sur la façon de : 1) concevoir des ÉI qui intègrent les expertises interdisciplinaires et intersectorielles, et prennent en compte la participation citoyenne, le rôle du patient partenaire, ou encore qui mettent de l’avant un (éco)système de santé connectée de ses usagers; 2) construire des indicateurs de performance qui sont aussi des incitatifs à collaborer et à innover; et 3) mesurer la performance de ces ÉI, des organismes membres et de leur influence mutuelle qui permet de propulser l’innovation. Par exemple, les indicateurs actuels n’arrivent pas réellement à mesurer l’importance et l’influence de la collaboration au sein des ÉI.
Thème du congrès 2023 (90e édition) :
Thème du colloque :
Date :
9 mai 2023
Responsables :
