MétaCan
Menu
Retour à la cohorte
Enregistrement W3153679474 · doi:10.24926/15529541.3837

Antitrust Policy Toward Patent Licensing: Why Negotiation Matters

2021· article· en· W3153679474 sur OpenAlexaff
Daniel F. Spulber

Notice bibliographique

RevueMinnesota journal of law, science & technology · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésNegotiationLaw and economicsPatent lawBusinessInternational tradeIndustrial organizationIntellectual propertyPolitical scienceEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Major technological changes driving the Fourth IndustrialRevolution combine complementary inventions to form complex innovations.These include the Internet of Things (IoT), 5G mobile communications, artificial intelligence (AI), cloud computing, data analytics, autonomous vehicles, additive manufacturing, and augmented/virtual reality.This article shows that negotiation of patent license contracts fully eliminates many influential antitrust concerns about complementary inventions, including "royalty stacking," "SEP hold-up," "patent thickets," "blocking patents," the "Tragedy of the Anti-Commons," and "regulatory patent pools."Negotiation of patent license contracts implies that total royalties will be less than those charged by a bundling monopoly.Negotiation of patent license contracts in a competitive market avoids distortions from royalties per unit of output and eliminates the multiple-marginalization problem.Negotiation generates contract provisions consistent with contingent royalty arrangements.Negotiation also has important implications for antitrust policy toward patent pools.The analysis shows that patent pools serve to mitigate transaction costs rather than to regulate total royalties.This article suggests that antitrust policy makers should continue to be neutral between negotiation of patent license contracts and patent pools.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,816
Score d'incertitude au seuil0,509

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,002
Science ouverte0,0010,000
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 Opus0,104
Tête enseignante GPT0,251
Écart entre enseignants0,147 · 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'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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMinnesota journal of law, science & technologyMême sujetIntellectual Property and PatentsTravaux en français237 207