Legal Strategies to Profit from Peer Production
Notice bibliographique
Résumé
In this article, I analyze legal strategies for profiting from peer-produced content. The term “profit,” as I use it here, is meant broadly to connote both direct and indirect financial returns as well as social, cultural and democratic gains achievable through systems of peer production. Economic considerations are important, of course, but I show how the issues go beyond mere dollars and cents. I address multiple stakeholders’ perspectives and consider implications for both the traditional and sharing economies.So I begin by exploring legal liabilities associated with peer-produced content. I then examine the safe harbours that exist in many countries’ intellectual property laws. Given legal ambiguities, litigation over these safe harbours is risky for everyone involved. Consequently, I present some of the alternative strategies laid out in cutting-edge business management literature. Most of these strategies involve cooperation between incumbent copyrights holders, innovative entrepreneurs and independent peer producers. I therefore explore some of the nuances of negotiations for permission to exploit both professionally and peer-produced copyright-protected content. I address various sorts of licensing possibilities, including mega-deals between powerhouse players, voluntary collective blanket licences and initiatives like the Creative Commons. In the end, I propose some strategies for better integrating and streamlining safe harbour and licensing systems as well as developing best practices in the public interest.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,018 |
| Communication savante | 0,016 | 0,020 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,004 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».