MétaCan
Menu
Retour à la cohorte
Enregistrement W4200547357 · doi:10.24818/tbj/2021/11/3.03

Legal problems of the use of orphan works in digital age

2021· article· en· W4200547357 sur OpenAlexaboutno aff
Віра Олександрівна Токарева, Іryna Davydova, Елена Семеновна Адамова

Notice bibliographique

RevueJuridical Tribune · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Studies and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegalizationOrphan drugLegislationPolitical scienceUkrainianEuropean unionLawBusinessInternational trade

Résumé

récupéré en direct d'OpenAlex

The aim of this paper is to consider the mechanisms of legalization of use orphan works, based on a comparative analysis of the legal regulation in the United States, the EU and European countries; identify priority ways to reform and to develop proposals for improving copyright law in Ukraine. In the first section the concept of the orphan works and the circumstances which caused emergence of the orphan works are revealed. It has been established that the problem of orphan works mostly concerns works whose authors died and heirs cannot be found. In the second section the models of legalization of orphan works in the United States, Canada, the EU and European countries are analyzed and these interferences formed a proposal for Ukrainian legislation. In the third section the background of development of legislation of orphan works in Ukraine are studied. The neсessity to study the legal regulation of the United States, the EU and European countries in light of the recodification of the Civil law of Ukraine and seeking way of its renovation is substantiated. Developing effective mechanisms of using orphan works are stated to become relevant in the process of digitization of libraries’ collections and to have gained a new momentum in recent years. Its result has been provided open access to the works on the Internet.

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)0,012
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0100,019
Communication savante0,0090,007
Science ouverte0,0020,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,041
Tête enseignante GPT0,280
Écart entre enseignants0,238 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJuridical TribuneMême sujetLegal Studies and ReformsTravaux en français237 207