MétaCan
Menu
Retour à la cohorte
Enregistrement W2246316383

Reverse Engineering of Software: Copyright and Interoperability

2003· article· en· W2246316383 sur OpenAlexaboutno aff
John L. Abbot

Notice bibliographique

RevueJournal of Law Information & Science · 2003
Typearticle
Langueen
DomaineComputer Science
ThématiqueLaw, AI, and Intellectual Property
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCopyingReverse engineeringInteroperabilityCopyright infringementFair useSoftwareIntellectual propertyLegislationComputer securityComputer scienceSoftware engineeringLawLaw and economicsWorld Wide WebPolitical scienceSociologyProgramming language
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Computer programs are protected under copyright law in most developed countries. Software piracy, resulting from outright copying of a substantial part of software code, will generally be an infringement of copyright. More problematical and contentious issues can arise when software is copied with the intention of producing interoperable or competing products through a process of reverse engineering the original software. This can often be the only way the underlying ideas in computer programs can be revealed, particularly when the software is made available only in machine-readable object code. Issues involving reverse engineering and copyright infringement have been most developed in the United States, where a liberal approach has been taken, under the doctrine of copyright fair use. Under US law, existing software can be copied and reverse engineered to enable compatible and competing programs to be developed, provided that a competing product can be regarded as 'transformative'. Other jurisdictions, including the EU and Australia, have introduced specific legislation to provide narrow exceptions to copyright infringement of software, through reverse engineering, but only to accommodate interoperability. In other countries, including Japan, Canada and Singapore, the legislative framework is less developed, leaving issues involving reverse engineering and copyright to be resolved under existing fair dealing laws.

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)0,013
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,039
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0060,035
Communication savante0,0160,026
Science ouverte0,0020,009
Intégrité de la recherche0,0090,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,012
Tête enseignante GPT0,213
Écart entre enseignants0,201 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Law Information & ScienceMême sujetLaw, AI, and Intellectual PropertyTravaux en français237 207