MétaCan
Menu
Retour à la cohorte
Enregistrement W2943679206

The Right to Repair Doctrine and the Use of 3D Printing Technology in Canadian Patent Law

2016· article· en· W2943679206 sur OpenAlexaffabout
Tesh W. Dagne, Gosia Piasecka

Notice bibliographique

RevueeYLS (Yale Law School) · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntellectual Property Law
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésBusinessDoctrinePatent trollDownloadProfit (economics)Exclusive rightPatent lawSharing economyCommerceIntellectual propertyLawLaw and economicsEconomicsComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

3D printing technology is part of a new economic movement, termed the sharing economy, where consumers rely less on large corporations for supplying them with products. The technology allows consumers to bypass the traditional manufacturing process. Instead, consumers increasingly share and sell products to each other on online sharing platforms. Consumers can download digital copies of products and print them in the convenience of their homes. In addition, they can repair and modify these products to suit their needs. Canadian patent law permits the repair of a patent-protected item but prohibits its reconstruction. However, the line between repair and reconstruction is unclear, which can cause tensions between consumers and patent-holders. This article argues that consumers should be given an allencompassing right to repair and modify legally purchased goods for private purposes using 3D printing technology if the repair or modification is not shared with others for a profit. This would give consumers the freedom to share their designs for free while still protecting patent-protected items from piracy. On a broader scale, the proposed legal right would encourage the sharing economy and build positive relationships between consumers and patent-holders.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,460

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0170,025
Communication savante0,0080,006
Science ouverte0,0020,004
Intégrité de la recherche0,0110,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,032
Tête enseignante GPT0,253
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
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

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetIntellectual Property LawTravaux en français237 207