MétaCan
Menu
Retour à la cohorte
Enregistrement W3187514562

Regulative measures for cybersquatting / Hershan @ Ray Herman, Lydia Salleh and Nur Farhana Said

2012· dissertation· en· W3187514562 sur OpenAlexaboutno aff
Lydia Salleh, Nur Said

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueCybercrime and Law Enforcement Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDomain nameGovernment (linguistics)Strengths and weaknessesThe InternetAdvertisingBusinessPolitical scienceComputer sciencePsychologyWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There had been a number of researches that investigated on the current situation of cybersquatting or domain name dispute in the world. This study was then conducted in order to investigate the effectiveness of current measure in combating crime of cybersquatting among trade markers in Malaysia. Specifically, this research aimed to highlight the effectiveness of the MYDRP in combating the issue of cybersquatting among trade marker. The primary focus of this research is the protection to the trade markers in online businesses. Weaknesses and strengths of MYDRP Rules and Policy are identified. To gather the needed data, a content analysis and interview were conducted. From the analysis and interviews, the current law, MYDRP, have loopholes and it is insufficient to provide protection to the trade marker's domain name. In conducting our research, we had made comparative studies on the law used to combat cybersquatting in USA, UK, India and Canada with the current measures in Malaysia to address this issue. From the comparisons, we examined why the laws that are used in addressing the domain name disputes in other countries are more effective than the one used in Malaysia. In the light of this problem the government of Malaysia should come out with a new regulative measure in combating cybersquatting as in the USA such as US Anti-Cybersquatting Consumer Protection Act 1999. This in turn benefits the court as it provides the court guidelines in solving the issue of cybersquatting. This also helps in reducing internet fraud as online business will be more protected and secured.

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)0,021
score de la tête « metaresearch » (Gemma)0,040
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,008
Communication savante0,0050,004
Science ouverte0,0010,005
Intégrité de la recherche0,0020,004
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 Opus0,029
Tête enseignante GPT0,286
Écart entre enseignants0,257 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCybercrime and Law Enforcement StudiesTravaux en français237 207