Matchmaking in Lehre & Forschung: Trends & Praktiken

Seit dem letzten Jahr haben die wertvollen Durchbrüche der Zusammenarbeit zwischen Universität und Industrie gezeigt, was erreicht werden kann, wenn es eine gemeinsame Agenda und ein gemeinsames Verständnis zwischen Technologietransfer-Teams und industrieller F&E gibt.
Fast jeder hat hochkarätige Covid-19-Partnerschaften wie den Impfstoff von AstraZeneca-Oxford verfolgt, und dieser Fokus hat Kooperationen auf der ganzen Welt inspiriert. Doch trotz dieser erfolgreichen Zusammenarbeit, insbesondere im Bereich der Biowissenschaften, gab es in einigen Bereichen Rückschläge bei der Kommerzialisierung der Forschung.
Die Teams in den akademischen Bereichen, die in den Technologietransferbüros arbeiten, stehen vor vielen Herausforderungen in Bezug auf ihre Rolle und ihr Profil, damit die akademische Forschung einen möglichst großen Einfluss hat und ihr Ansehen innerhalb der Universität und der F&E-Gemeinschaft aufrechterhalten und verbessert wird.
Um dies zu erreichen, müssen Technologietransfer-Teams die vielversprechendsten Forschungsarbeiten von Akademikern an ihrem Institut finden, um die am besten sortierte und ähnlichste Industrie zu engagieren, der sie folgen können. Es ist erwähnenswert, dass dieser Prozess des Findens der besten Übereinstimmung auch erfordert, nicht nur relevante Unternehmen zu identifizieren, sondern auch die richtigen Leute innerhalb dieser Unternehmen, um im Netzwerk zu sein.
Die eindeutige Herausforderung für Wissenschaft und Forschung ist es, den richtigen und ganzheitlichen Partner in der Industrie zu finden. Angesichts der Größe, Komplexität und globalen Verteilung von F&E-getriebenen Unternehmen ist es nicht überraschend, dass dies das häufigste Problem ist, mit dem man konfrontiert wird, wenn man sich der Kommerzialisierung nähert. Sowohl die Fachleute in der Industrie als auch die akademischen Dozenten betonten, dass sie mit begrenzter Zeit und begrenzten Ressourcen konfrontiert sind, was zu Herausforderungen bei der effektiven Verwaltung der gesamten Forschung, die in ihrem Institut produziert wird, und der Anpassung von Marketingstrategien für einzelne Technologien führt.
Technisch wird für solche akademischen & Forschungspartner das Matching eines potenziellen Profils und der Anforderungen in Universitäts-/Schulprogramme in zwei Hauptansätze eingeteilt: Statistisches Maschinelles Lernen (SML) und Multi-Kriterien-Entscheidungsanalyse.
Erstens arbeitet ein System, das von statistischem maschinellem Lernen inspiriert ist, mit einer Reihe von beobachteten Datenproben, indem es lernt, eine bestimmte Aufgabe aus den Datenproben zu erfüllen. Die SML-Methoden werden angewandt, um zu entscheiden, ob sich die Universität/Schule für ein bestimmtes Forschungsthema qualifiziert (und eine Gruppe ausgewählter Verbindungen bildet) oder nicht (eine Gruppe abgelehnter Verbindungen).

Der Vorhersagewert dieser Methode drehte sich so, dass sie zur Verbesserung der Genauigkeit eines Bewerberauswahlprozesses beiträgt. Die Effektivität der statistischen Methoden des maschinellen Lernens wurde jedoch aufgrund der Komplexität des Entscheidungsprozesses, der getroffenen Annahmen und der erreichten Übereinstimmungspräzision angezweifelt.

Auf der anderen Seite sind Multikriterien-Entscheidungsanalysen eine Klasse von Multikriterien-Optimierungsmethoden, die die Verwendung von Entscheidungsmatrizen beinhalten, um einen systematischen Weg für die Bewertung oder das Ranking eines Satzes von Alternativen (in diesem Fall des Matchings der angestrebten Bindungen an eine Universität/Schule), relativ zu einem Satz von Entscheidungskriterien (den Auswahlkriterien der Universität), zu bieten. Diese Entscheidungskriterien werden in der Regel mit Gewichtungen versehen, um ihre relative Wichtigkeit widerzuspiegeln.

Must’s Matchmaking (zum Patent angemeldet) ist eine aufstrebende Gruppe von Algorithmen, die auch die Bindung von Forschungs- und Industriepartnern fördern könnten, und so werden bald umfassendere Entwicklungen im automatisierten Matchmaking sichtbar werden.

folgen Sie uns in LinkedIn