INNcentive
Förderrunde 2018

Das Forschungsvorhaben widmet sich der Untersuchung möglicher Agenda-Setting-Effekte durch die verstärkte Kooperation von Universitäten und Unternehmen und dadurch ausgelöste Abweichungen in der Ausrichtung der Grundlagenforschung. Kritiker von Wirtschaftskooperationen sehen eine Gefahr für die Freiheit der Forschung, dem Fundament moderner akademischer Wissensgenerierung. Wenn ein verstärkter Ressourcenaufwand in Bereiche fließt, die – im Gegensatz zu dem, was die Wissenschaftsgemeinde für interessant erachtet – lediglich von externen Interessensgruppen für relevant gehalten werden, können langfristig ungewollte Effekte auftreten. Auf Grundlage eines breit gefächerten Korpus von Dissertationen verschiedenster Wissenschaftsfelder und Universitäten werden Doktorarbeiten mithilfe verschiedener Machine-Learning-Methoden in "Kooperativ" und "Nicht-Kooperativ" klassifiziert und deren thematische Ausrichtung mit Text-Mining-Methoden verglichen. Erste Ergebnisse legen nahe, dass die beschriebenen Sorgen nicht bestätigt werden können, da sich die Themen der beiden Dissertationsarten nicht hinreichend unterscheiden. 

This research investigates into potential agenda setting effects of increased cooperation of universities with industry and resulting distortions of research directions in basic research. Critics fear a threat to the freedom of science, a cornerstone of modern knowledge production at universities. The inevitable shift of resources towards what external stakeholders deem relevant and interesting, rather than what the scientific community agrees to as being worthy of attention may create serious problems in the long run. Based on a large corpus of PhD theses across all research fields and from different universities PhD theses are classified as collaborative or non-collaborative using machine learning techniques, and topics are compared with text mining methodology. First results are reassuring that fears seem unwarranted because topics do not differ between the two types of dissertation projects.

Big Data ist zunehmend Thema und Herausforderung in der Innovationspolitik. Besonders technologiebasierte Industriezweige und deren Netzwerke wachsen und verändern sich in einem Ausmaß und Tempo, wie es Standard-Datensätze (Statistiken, klassische Industrie-Klassifizierungen) nicht mehr ausreichend erfassen können. Ziel der Arbeit ist es, zum einen eine Definition für Big Data in der Innovationspolitik zu finden und einen theoretischen Bezugsrahmen für diesen Forschungsbereich zu setzen. Zum anderen sollen Anwendungen der Big Data-informierten Innovationpolitik (DIIP) systematisch erfasst werden. In einer Literaturanalyse und Google-Suche wurden 68 DIIP-Ansätze identifiziert, strukturiert und geclustert. Insbesondere das Cluster nach dem Forschungsvorhaben (zehn Gruppen) liefert aussagekräftige Informationen darüber, in welchen innovationspolitischen Bereichen bereits neue Datenarbeit angewendet wird. So können Empfehlungen für die zukünftige DIIP-Forschung ausgesprochen werden.

Big data increasingly is subject matter as well as challenge in the innovation policy process. Especially technology-based industries and their networks grow and change unprecedented in scope and speed. Standard data (official statistics, classical industrial classifications) do not suffice any longer to capture these developments thoroughly. The aim of this research is to, on the one hand, find a definition of big data in the context of innovation policy and thus develop a theoretical framework for big data-informed innovation policy (DIIP). On the other hand a systematic literature analysis as well as Google search shall give a thorough overview of the state of the art of DIIP. 68 DIIP approaches were identified, structured and clustered. The cluster on the Research Object of the approaches (10 topics) gives best indication about where DIIP is already being applied and how DIIP can be further developed.

Ausgehend vom bisherigen Stand der Forschung führt eine Erhöhung der öffentlichen Forschungsfinanzierung von Universitäten zu vermehrten Kooperationen mit der Privatwirtschaft. Allerdings sind bisher kaum kausale Zusammenhänge identifiziert worden. Auch ist nicht klar, ob die zusätzlichen Kooperationsaktivitäten durch einen Anstieg der Unternehmensnachfrage nach Kooperationen oder durch ein erhöhtes Angebot an Kooperationen auf Seiten der Universitäten getrieben werden. Zuletzt blieb außerdem der Einfluss der Exzellenzinitiative auf Kooperationen mit der Privatwirtschaft bisher weitestgehend unbeachtet, obwohl diese ein geeignetes Umfeld für tiefergehende Analysen darstellt. Das Ziel dieses Forschungsprojekts ist es daher, die bisherige Literatur durch eine Analyse der Finanzierung von Forschungsclustern im Rahmen der Exzellenzinitiative zu erweitern.

Former research established that additional public research funding crowds-in university-industry interactions. However, causal links are barely identified and it is not investigated if the increase in interactions stems from a rising demand for cooperation by firms or an increased supply of universities. The effect of introducing the German Excellence Initiative on university-industry cooperation has been omitted in the academic literature so far, even though it provides a convenient setting to address these issues and should be considered when evaluating the success of university research funding. This research project aims at using the homogenous funding of excellence clusters and the exceptionally detailed firm-level data on joint innovation activities for Germany to add to the existing literature.

Ungefähr seit der Veröffentlichung des ersten Webbrowsers im Jahr 1993, der Inline-Grafiken anzeigen konnte, verbesserte sich der Zugang zu Daten, Informationen und Wissen grundlegend. Aufgrund der stetigen Weiterentwicklung informationsverarbeitender Methoden beschleunigte sich ebenfalls die Datenverarbeitung, so dass sowohl das Wissen als auch die Geschwindigkeit, mit der dieses entsteht, zunahm. Diese Entwicklung beeinflusst nicht nur die Innovationsaktivität, die sich wiederum auf die Entstehung von Wissen auswirkt, sondern auch die Alterung des bestehenden Wissens. Daher besteht das Ziel dieser Masterarbeit darin, festzustellen, ob es einen signifikanten Unterschied in der Geschwindigkeit der Entstehung sowie Alterung von Wissen vor und nach 1993 gibt. Die Erkenntnisse sollen genutzt werden, um schließlich Implikationen für zukünftige Innovationspolitik abzuleiten.

Since around the publication of the first web browser capable of displaying inline graphics in 1993 there has been better, faster and additional access to data, information and knowledge. Due to improved information processing techniques data processing itself has also accelerated. Consequently, both the amount of knowledge and the speed of its generation have increased ever since. Not only has this led to an upsurge in innovative activity which in turn influences the stock as well as the creation of knowledge, but also the rate of knowledge obsolescence is affected as a by-product. Thus, the proposed study aims at examining whether there is a significant difference between both the speed of knowledge generation and its obsolescence before and after 1993 in order to derive implications for future innovation policy.