MétaCan
Menu
Retour à la cohorte
Enregistrement W1576095053 · doi:10.1108/00907321011070900

Patents under the microscope

2010· article· en· W1576095053 sur OpenAlexaffabout
Don MacMillan, Mindy Thuna

Notice bibliographique

RevueReference Services Review · 2010
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensUniversity of TorontoUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInformation literacyOriginalityInclusion (mineral)Value (mathematics)Scientific literacyComputer scienceMathematics educationLiteracyGraduate studentsLibrary scienceSociologyPsychologyPedagogyScience educationQualitative researchSocial science

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to broaden the inclusion of patent searching in information literacy instruction by extending it from chemistry and engineering into the life sciences. Design/methodology/approach Two case studies, one undergraduate and one graduate, from two Canadian universities described the addition of patent searching to information literacy instruction in genetics and biotechnology. Findings Results indicate that the integration of patents into information literacy sessions at the undergraduate and graduate levels not only enhance students' information literacy skills, but also help students learn more about the disciplines of genetics and biotechnology. Practical implications The results of this paper have practical and pedagogical implications for librarians teaching students how to use patents as a primary source of scientific information in the life sciences and may provide useful information for any librarians who wish to introduce students to patents. Originality/value While most of the literature about the integration of patent searching in information literacy instruction focuses on chemistry and engineering, this paper shows how integral patent information is to the life sciences, and how familiarity with patent searching can enhance student understanding of the scientific information environment.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,216

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,003
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0650,018

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 Opus0,128
Tête enseignante GPT0,264
Écart entre enseignants0,135 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations8
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReference Services ReviewMême sujetIntellectual Property and PatentsTravaux en français237 207