MétaCan
Menu
Retour à la cohorte
Enregistrement W1495075743

Open Innovation in Plant Genetic Resources for Food and Agriculture

2013· article· en· W1495075743 sur OpenAlexaff
Chidi Oguamanam

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésIntellectual propertyOpen innovationContext (archaeology)Promotion (chess)BusinessOrder (exchange)Public goodInterdependenceOpen educational resourcesLicenseAgricultureKnowledge managementPublic relationsPolitical scienceMarketingEconomicsSociologyComputer scienceGeographyLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Contemporary global order for the promotion of innovation exaggerates the role of intellectual property (IP) as a closed proprietary model of knowledge production and protection. Partly as a boomerang effect of that order or partly as a coincidence of the phenomenal rise in the information and communication technologies or both, there has been increased gravitation toward open, collaborative, shared, communal and interdependent models of innovation. This trend is typified by the rise of open software movement and cognate endeavours. The article attempts to transpose the open innovation dynamic to the context of plant genetic resources for food and agriculture (PGFA); and draws attention to the customary seed sharing and exchange as the centre-piece of the inherent open nature of innovation in agriculture, especially in indigenous and local communities. Focusing on the emergent institutional and legal frameworks for the governance of PGRFA, the article finds that they reflect pragmatic attempts at melding both the IP-driven closed model and the accommodation of open or public goods approach toward the promotion of access and overall management of innovation in PGRFA. It concludes that IP is not necessarily antithetical to open innovation, but could be calibrated to advance it.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,689
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,210
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207