MétaCan
Menu
Retour à la cohorte
Enregistrement W2115176785 · doi:10.1111/jwip.12036

Facilitating Educational Needs in Digital Era: Adequacy of Fair Dealing Provisions of Indian Copyright Act in Question

2015· article· en· W2115176785 sur OpenAlexaboutno aff
Narayan Prasad, Pravesh Aggarwal

Notice bibliographique

RevueThe Journal of World Intellectual Property · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCopyright and Intellectual Property
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDoctrineFair useLegislatureFair dealingCopyright ActLaw and economicsIncentiveIntellectual propertyPublic relationsBusinessPolitical scienceCopyright lawEconomicsLawMarket economy

Résumé

récupéré en direct d'OpenAlex

The recent educational policy of India has recognized the use of Information and Communication Technologies (ICTs) to meet the educational needs in the digital era. But some of the objects of the policy like making available suitable e‐content, preparing knowledge modules, facilitating e‐learning etc. look far‐off, given the extant set of fair dealing provisions in the Indian Copyright Act. Against this backdrop, this paper delineates the doctrine of fair use and that of fair dealing followed by an account of international regime of fair use in copyright specific to education. Subsequently, it analyses the concerned fair dealing provisions of Indian Copyright Act and finds that they are too narrow and inadequate to foster the educational needs. The paper concludes with the view and suggestion that India needs to step beyond the fair dealing doctrine and head towards the doctrine of fair use through complementary role of the legislature and the judiciary on the lines how it happened in Canada. Over and above, there is a need to undertake some incentive‐oriented policies encouraging copyright owners to forgo their commercial interests to some extent for the sake of education.

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)0,019
score de la tête « metaresearch » (Gemma)0,049
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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,049
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,036
Communication savante0,0140,010
Science ouverte0,0020,007
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,259
Écart entre enseignants0,221 · 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
GenreCommentaire

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

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of World Intellectual PropertyMême sujetCopyright and Intellectual PropertyTravaux en français237 207