MétaCan
Menu
Retour à la cohorte
Enregistrement W3124267791

Poisoning the Next Apple? The America Invents Act and Individual Inventors

2013· article· en· W3124267791 sur OpenAlexaboutno aff
David Abrams, Roy Wagner

Notice bibliographique

RevueeYLS (Yale Law School) · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTrademarkIntellectual propertyPatent lawPatent officeQuality (philosophy)Law and economicsLawPolitical scienceEconomicsBusiness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Leahy-Smith America Invents Act, the most significant patent law reform effort in two generations, has a dark side: It seems likely to decrease the patenting behavior of small inventors, a category which occupies special significance in American innovation history. In this paper we empirically predict the effects of the major change in the law: a shift in the patent priority rules from the United States’ traditional “first-to-invent” system to the predominant “first-to-file” system. While there has been some theoretical work on this topic, we use the Canadian experience with a similar change as a natural experiment to shed the first empirical light on the question. Our analysis uses a difference-in-difference framework to estimate the impact of the Canadian law change on small inventors. Using data on all patents granted by the Canadian Intellectual Property Office and the US Patent and Trademark Office, we find a significant drop in the fraction of patents granted to small inventors in Canada coincident with the implementation of first-to-file. We also find no measurable changes in patent quality and perform several additional analyses to rule out alternative explanations. While the net welfare impact that can be expected from a shift to first-to-file is unclear, our results do reveal that, contrary to the conventional wisdom, the March 2013 implementation of a first-to-file rule in the U.S. is likely to result in reduced patenting behavior by individual inventors.

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)0,005
score de la tête « metaresearch » (Gemma)0,021
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,798

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,005
Communication savante0,0050,002
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,049
Tête enseignante GPT0,238
Écart entre enseignants0,189 · 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

Citations46
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetInnovation Policy and R&DTravaux en français237 207