MétaCan
Menu
Retour à la cohorte
Enregistrement W2069723927 · doi:10.1111/j.1477-9552.2007.00110.x

Will the TRIPS Agreement Foster Appropriate Biotechnologies for Developing Countries?

2007· article· en· W2069723927 sur OpenAlexaff
James D. Gaisford, Jill E. Hobbs, William A. Kerr

Notice bibliographique

RevueJournal of Agricultural Economics · 2007
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensUniversity of SaskatchewanUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésIntellectual propertyDeveloping countryEnforcementAgricultural biotechnologyInternational tradeInvestment (military)AgricultureBusinessTRIPS AgreementTRIPS architectureEconomicsInternational economicsEconomic growthPolitical scienceLawBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract While almost all of the investment in agricultural biotechnology to date has been in temperate crops suitable for developed countries, developing countries are the greatest potential beneficiaries of this major technological advance. To realise this potential requires investment in crops appropriate to climatic and agronomic conditions in developing countries. Protection of intellectual property rights is a necessary condition for the private sector to invest in appropriate biotechnologies. This paper develops a game theoretic model of a bioscience firm that adapts a new technology to a range of agronomic conditions in response to the enforcement of intellectual property rights in a developed and a developing country. Over a range of potential penalties, low levels of enforcement by the developing country remain endemic despite the desire to have the bioscience firm adapt the biotechnology to its local conditions. In particular, the trade penalties contained in the Agreement on Trade‐Related Aspects of Intellectual Property Rights are likely to be ineffective. The developing country might increase enforcement if the developed country was more aggressive in liberalising agriculture trade because there would be greater symmetry in the benefits of the technology.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,674
Score d'incertitude au seuil0,272

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,076
Tête enseignante GPT0,215
Écart entre enseignants0,139 · 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'étudeSans objet
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

Citations23
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural EconomicsMême sujetIntellectual Property and PatentsTravaux en français237 207