An Exploratory Study of Determinants and Corrective Measures for Software Piracy and Counterfeiting in the Digital Age
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Software piracy and counterfeiting is a global problem that has resulted in huge economic losses worldwide. This paper proposes a theory-based approach to study the key factors contributing to piracy and counterfeiting issues. We first developed a theoretical model linking the antecedents into the key factors using information acquired from an extended literature review. We then undertook a survey of thirty business professionals representing different industries, functional roles and different levels of work exposure to software usages in Singapore to investigate the issues. Specifically, the objectives of the survey were to: (1) investigate the key issues associated to software piracy and counterfeiting; (2) identify the factors that have contributed to the software piracy and counterfeiting; and (3) draw up a refined list of appropriate measures to counter software piracy and counterfeiting. Through the structural use of Non-Parametric Correlation Test, Chi-Square Test for Independence, Fisher Exact Probability Test and Phi value, our findings showed that the lack of awareness to software usage laws and regulations, the perceived lack of enforcement measures and penalties, and the lack of educational programs catering to the proper usage of software were the key factors contributing to the software piracy and counterfeiting issues. The findings are useful to managers of software companies and policy-makers in reviewing existing software protection policies, laws and regulations, such that any flaws or loopholes can be identified.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,011 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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