MétaCan
Menu
Retour à la cohorte
Enregistrement W3125242443

The Role of Utility Models in Patent Filing Strategies: Evidence from European Countries

2018· article· en· W3125242443 sur OpenAlexaff
Jussi Heikkilä, Michael Verba

Notice bibliographique

RevueSSRN Electronic Journal · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)TypologyBusinessInventionPatent applicationPatent analysisIndustrial organizationPolitical scienceComputer scienceLawData scienceGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We examine the role of utility models (UM) in patent filing strategies. With an extensive patent family data from European countries, we explore the structures and characteristics of patent families, which include UMs. A simple typology of patent families with UM members is introduced. We document that the geographical scope of most patent families with UM members is purely national, which is in line with the conventional view that the UM mechanism covers technologically and economically marginal inventions. However, the image of a UM as a signal of a minor invention is an oversimplification. Applicants exhibit a mixture of uses for the UM and there exists a subset of UM filings linked to inventions the inventive step of which meets or exceeds the threshold required for patent protection. Some UMs are members of international patent families, indicating that applicants may have some strategic motives to use UMs in international filing. The findings highlight that both types of IPR documents (UMs and patents) should be taken into account when working with data on patent families, analysing patent filing strategies, and constructing patent-based indicators such as patenting propensities.

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)0,031
score de la tête « metaresearch » (Gemma)0,131
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 enseignants0,031
Score d'incertitude au seuil0,165

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,131
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0010,003
Communication savante0,0060,006
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,030
Tête enseignante GPT0,233
Écart entre enseignants0,203 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetPrivate Equity and Venture CapitalTravaux en français237 207