MétaCan
Menu
Retour à la cohorte
Enregistrement W1830958489 · doi:10.31235/osf.io/z94kq

Beyond Search Costs: The Linguistic and Trust Functions of Trademarks

2016· article· en· W1830958489 sur OpenAlexaff
Ariel Katz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntellectual Property Law
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTrademarkFunction (biology)IncentiveQuality (philosophy)NormativeTransaction costScholarshipLaw and economicsJurisprudenceBusinessIntellectual propertyInstitutionEconomicsMicroeconomicsPolitical scienceLawEpistemology

Résumé

récupéré en direct d'OpenAlex

Modern trademark scholarship and jurisprudence view trademark law as an institution aimed at improving the amount and quality of information available in the marketplace by reducing search costs. By providing a concise and unequivocal identifier of the particular source of particular goods, trademarks facilitate the exchange between buyers and sellers, and provide producers with an incentive to maintain their goods and services at defined and persistent qualities.Working within this paradigm, this Article highlights that reducing search costs and providing incentives to maintain quality are related yet distinct functions and shows that recognizing their distinct nature enriches our understanding of trademark law. The Article first develops a distinction between two functions of trademarks: a linguistic and a trust functions. Then, the Article demonstrates how the distinction provides a matrix for evaluating the normative strength of various trademark rules and doctrines. Under this matrix, rules that promote both functions would be considered normatively strong; rules that promote neither function would be normatively weak; and rules that promote one function but not the other would be normatively ambiguous, their strength depending on the results of a closer cost-benefit analysis.

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)0,014
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,054
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0050,043
Communication savante0,0170,026
Science ouverte0,0020,007
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,038
Tête enseignante GPT0,298
Écart entre enseignants0,260 · 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'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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIntellectual Property LawTravaux en français237 207