Dr. Frédérique Bone

Frédérique Bone (geb. Lang) ist seit 2022 wissenschaftliche Mitarbeiterin im Competence Center Neue Technologien des Fraunhofer-Institut für System- und Innovationsforschung ISI in Karlsruhe, Deutschland. Während ihrer Promotion am BETA der Universität Straßburg, die sie 2014 abschloss, beschäftigte sie sich mit dem Verständnis der Entwicklung innovativer biotechnologischer Forschungsprojekte durch akademisches Unternehmertum. Von 2014 bis 2022 arbeitete sie als Forscherin in der Science Policy Research Unit (SPRU) an der University of Sussex (UK). Dort arbeitete sie an mehreren Projekten, die sich mit der Forschungsdynamik, dem technologischen Wandel im biomedizinischen Sektor und in jüngster Zeit mit künstlicher Intelligenz befassten. In diesen Projekten setzte sie sowohl quantitative Methoden wie Bibliometrie und Text-Mining-Analysen als auch qualitative Methoden (unabhängig oder als Mix) ein. In den Jahren 2021-2022 absolvierte sie ein Secondment bei einem Forschungsförderer, dem Medical Research Council (UK), um über die Praxis der Forschungsevaluierung in dessen Forschungsinstituten nachzudenken. In Sussex unterrichtete sie außerdem Kurse zu Forschungsmethoden und Data Science for Innovation. Seit ihrem Wechsel zum Fraunhofer ISI arbeitet sie an Projekten, die sich mit der Transformation des Gesundheitssystems (digitale Transformation und Nachhaltigkeitstransformation) befassen und dabei die Transitionstheorie nutzen, sowie an der Evaluation von Forschungsorganisationen und Technologietransferprozessen in der Bioökonomie. Derzeit ist sie assoziierte Forscherin am SPRU, University of Sussex (UK) und BETA, University of Strasbourg (Frankreich).

    • Bibliometrie
    • Forschungsevaluation
    • Forschung über Wissenschaft
    • Wissenschafts- und Technikindikatoren
    • Wissenschafts- und Innovationspolitik
    • Wissens- und Technologietransfer
    • SEF Transformation Gesundheitsystem
    • ShapingBio
    • Sano
    • EMI
    • Bone F.; Sherbon, B. (2024): The role of funders in shaping the UK research landscape. Kapitel. In: Alis Oancea; Gemma E. Derrick; Nuzha Nuseibeh; Xin Xu (Hg.): Handbook of Meta-Research, Kapitel 11, S. 116-132, Cheltenham, UK: Edward Elgar Publishing.
    • Kanger, L.; Bone, F.; Rotolo, D.; Steinmueller, W. E.; Schot, J. (2022): Deep transitions: A mixed methods study of the historical evolution of mass production”. In: Technological Forecasting and Social Change 177, https://doi.org/10.1016/j.techfore.2022.121491.
    • Coburn, J.; Bone, F.; Hopkins, M. M.; Stirling, A. C.; Mestre-Ferrandiz, J.;  Arapostathis, S.; Llewelyn, M. (2021): Appraising research policy instrument mixes: a multicriteria mapping study in six European countries of diagnostic innovation to manage antimicrobial resistance. In: Research Policy 50 (4), https://doi.org/10.1016/j.respol.2020.104140.
    • Bone, F.; Hopkins, M.; Rafols, I.; Molas-Gallart, J.; Tang, P.; Davey, G.; Carr, T. (2020): DARE to be different? A novel approach for analysing diversity in collaborative research projects. In: Research Evaluation 29 (3), S. 300-315, DOI: 10.1093/reseval/rvaa006.
    • Bone, F.; Rotolo, D. (2019): Text-Mining Historical Sources to Trace Technical Change: The Case of Mass Production. In: Proceedings of the 17th conference of the international society for scientometrics and informetrics, Book I, S. 437-447.
    • Grassano, N.; Rotolo, D.; Hutton, J.; Lang, F.; Hopkins, M. (2017): Funding Data from Publication Acknowledgements: Coverage, Uses and Limitations. In: Journal of the Association for Information Science and Technology 68 (4), S. 999-1017, DOI: 10.1002/asi.23737.
    • Lang, F.; Chavarro, D.; Liu, Y.  (2016): Can Automatic Classification Help to Increase Accuracy in Data Collection? In: Journal of Data and Information Science 1 (3), S. 42-58, DOI: 10.20309/jdis.201619.