MétaCan
Menu
Retour à la cohorte
Enregistrement W3005157852 · doi:10.1002/ps.5780

Intellectual property in entomology: Analysis and perspective on recent trends in global patent publications

2020· article· en· W3005157852 sur OpenAlexaff
Ronda L. Hamm, Anne Gregg, Thomas C. Sparks

Notice bibliographique

RevuePest Management Science · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInsect Resistance and Genetics
Établissements canadiensGreenfield Research (Canada)
Organismes subventionnairesCorteva Agriscience
Mots-clésChinaIntellectual propertyEntomologyGovernment (linguistics)BusinessAgricultural economicsBiotechnologyBiologyAgricultural scienceGeographyPolitical scienceEcologyEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Intellectual property (IP) is an important consideration for entomological research and provides a means to capture value from new discoveries. Herein, we describe an analysis of more than 26 000 patent publications from 2007-2017 related to the field of entomology. These patents were divided among 8000 patent assignees; however, only 5% of the assignees had ≥10 patents. Corporations accounted for the largest share of patents (59%), with individuals (20%), academic institutions (17%) and government organizations (4%) making up the remaining segments. From 2007-2017 the number of entomological patents increased by 400%, with the largest number being from China. However, unlike patents from Europe, Japan or the US, which target a range of countries, the Chinese patents almost exclusively focus on China. Among the array of subjects covered are transgenic insects and plants, repellents, recombinant insect cells, with the highest proportion of patents focused on insecticides (39%), followed by insecticide mixtures (27%) and formulations (21%). The top 30 patent assignees included companies/institutions from China (18), Europe (3), Japan (6) and the US (3). Among the top 12 entities, IP from the US assignees was distributed across insecticides, mixtures and insecticidal traits while those from China were more focused on mixtures. However, given expanding IP numbers from China it is expected that in the future there will be a greater impact on new insecticides and related technologies. © 2020 Society of Chemical Industry.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,230
Score d'incertitude au seuil0,274

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,030
Tête enseignante GPT0,291
Écart entre enseignants0,261 · 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'étudeObservationnel
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePest Management ScienceMême sujetInsect Resistance and GeneticsTravaux en français237 207