MétaCan
Menu
Retour à la cohorte
Enregistrement W2223174820 · doi:10.1515/1935-1682.2702

A Patent System with a Contingent Delegation Fee under Asymmetric Information

2012· article· en· W2223174820 sur OpenAlexaff
Weonseek Kim, Bonwoo Koo

Notice bibliographique

RevueThe B E Journal of Economic Analysis & Policy · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCommercializationInnovatorDelegationBusinessFunction (biology)Industrial organizationPatent officeControl (management)EconomicsMarketingFinanceManagementEngineeringEntrepreneurship

Résumé

récupéré en direct d'OpenAlex

Abstract Under the framework of a two-stage innovation process in which the first-stage innovation is commercialized by multiple firms at the second stage, this study proposes an optimal patent system for efficient commercialization by a lower cost firm when the R&D costs are private information. Under the existing patent system of granting patents sequentially to successful innovators, the commercialization can be achieved by an inefficient firm (called control loss) and duplicative R&D efforts may occur through competitive innovation race. This study shows that the problems of control loss and duplicative R&D efforts can be prevented if the patent office grants a patent with a mandatory contingent delegation fee only to the first innovator. A carefully designed contingent fee function can induce the first innovator to internalize the patent office’s objective function, leading to efficient commercialization by a lower cost firm.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,231
Score d'incertitude au seuil0,707

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,082
Tête enseignante GPT0,222
Écart entre enseignants0,140 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe B E Journal of Economic Analysis & PolicyMême sujetIntellectual Property and PatentsTravaux en français237 207