MétaCan
Menu
Retour à la cohorte
Enregistrement W2805536985 · doi:10.4337/9781785362491.00011

Patent pledges in green technology

2017· book-chapter· en· W2805536985 sur OpenAlexaboutno aff
Bassem Awad

Notice bibliographique

RevueEdward Elgar Publishing eBooks · 2017
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental law and policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntellectual propertyAllianceBusinessCommonsLaw and economicsInternational tradePolitical scienceEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Technology lies at the centre of the climate change debate and plays a pivotal role in addressing the global challenge of climate change and sustainable development in today’s economy. Access and timely diffusion of green technologies required for adaptation and mitigation are among the major challenges faced by the international community. The role of the patent system has become the subject of increased attention in climate change discussions on technology transfer. The core technology that should be disseminated with the patent is not easily accessible in practice or has little technical value. New mechanisms for collaborative innovation are required to foster the green technology sector. This chapter argues that green patent pledges can provide a new mechanism of collaboration and transferring green technology innovation, which can work within the existing intellectual property legal regime. The chapter examines the various forms of patent pledges related to green technology and their rationales by analysing three main models of green patent pledges: Eco-Patent Commons, GreenXchange and Canada’s Oil Sands Innovation Alliance (COSIA). The chapter concludes by suggesting a model legal framework for green patent pledges and calls for a global system to share green patents governed by an international body where accession rules are open to third parties based on fair, reasonable and non-discriminatory terms.

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 candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil1,000

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 technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
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 Opus0,052
Tête enseignante GPT0,277
Écart entre enseignants0,225 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEdward Elgar Publishing eBooksMême sujetEnvironmental law and policyTravaux en français237 207