MétaCan
Menu
Retour à la cohorte
Enregistrement W3124277044 · doi:10.53637/srqb5157

What Happens When Books Enter the Public Domain? Testing Copyright’s Underuse Hypothesis across Australia, New Zealand, The United States and Canada

2019· article· en· W3124277044 sur OpenAlexaboutno aff
Jacob Flynn, Rebecca Giblin, François Petitjean

Notice bibliographique

RevueUniversity of New South Wales Law Journal · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCopyright and Intellectual Property
Établissements canadiensnon disponible
Organismes subventionnairesMonash University
Mots-clésPublic domainPublishingCompetition (biology)Project commissioningInvestment (military)Test (biology)EconomicsPublicationIntellectual propertyPublic investmentLaw and economicsLawBusinessAdvertisingPolitical sciencePublic economicsHistoryPublic fund

Résumé

récupéré en direct d'OpenAlex

A key justification for copyright term extension has been that exclusive rights encourage publishers to make older works available (and that, without them, works will be ‘underused’). We empirically test this hypothesis by investigating the availability of ebooks to public libraries across Australia, New Zealand, the United States and Canada. We find that titles are actually less available where they are under copyright, that competition apparently does not deter commercial publishers from investing in older works, and that the existence of exclusive rights is not enough to trigger investment in works with low commercial demand. Further, works are priced much higher when under copyright than when in the public domain. In sum, simply extending copyrights results in higher prices and worse access. We argue that nations should explore alternative ways of allocating copyrights to better achieve copyright’s fundamental aims of rewarding authors and promoting widespread access to knowledge and culture.

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)0,003
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,038
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0040,005
Communication savante0,0050,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
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 Opus0,057
Tête enseignante GPT0,201
Écart entre enseignants0,145 · 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'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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of New South Wales Law JournalMême sujetCopyright and Intellectual PropertyTravaux en français237 207