MétaCan
Menu
Retour à la cohorte
Enregistrement W3005942074 · doi:10.1108/jbim-05-2019-0236

Innovation within networks – patent strategies for blockchain technology

2020· article· en· W3005942074 sur OpenAlexaff
Milad Dehghani, Atefeh Mashatan, Ryan William Kennedy

Notice bibliographique

RevueJournal of Business and Industrial Marketing · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBlockchainOriginalityGlobeBusinessPosition (finance)Competitive advantageOpen innovationValue (mathematics)Knowledge managementMarketingEmpirical evidenceIndustrial organizationCreativityComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose Understanding a technology’s patent landscape, including patent strategies, helps organizations position themselves regarding their innovation and provides insight about a technology’s future direction. This study aims to provide an overview of the blockchain technology patenting trends and outlines an exploratory framework of patenting strategies for blockchain. Design/methodology/approach A total of 3,234 registered patents are analyzed to determine the geographical distribution and identify key actors patenting around the globe. In addition, an empirical study consisting of multiple case studies in the form of ten in-depth interviews with owners/managers of organizations based in North America was conducted to understand organizations’ strategies for patenting the blockchain technology. Findings Several novel insights regarding the strategies are used for blockchain technology patenting. For example, the existence of strong anti-patent sentiment which results in a lack of patenting by start-up organizations or has led to a form of open source patenting strategy. Larger organizations appear to be patenting defensively, and small to medium organizations are primarily patenting to defend their competitive advantage. Practical implications Start-up organizations harboring anti-patent sentiment should consider the open-source patenting strategy to ensure that the collaborative innovation network can continue. They should also consider collaborating with other actors within the network to have a competitive position in the market. Originality/value To the authors’ knowledge, this paper is the first to conduct an empirical study with organizations currently using the blockchain technology to understand patenting strategies used for blockchain.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,003
Communication savante0,0050,007
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,053
Tête enseignante GPT0,241
Écart entre enseignants0,188 · 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
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

Citations35
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business and Industrial MarketingMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207