MétaCan
Menu
Retour à la cohorte
Enregistrement W4243985032 · doi:10.4337/9781839104374.00016

Fair and equitable treatment of foreign investments and intellectual property rights

2020· book-chapter· en· W4243985032 sur OpenAlexaboutno aff
Emmanuel Kolawole Oke

Notice bibliographique

RevueEdward Elgar Publishing eBooks · 2020
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Arbitration and Investment Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExpropriationIntellectual propertyScope (computer science)Investment (military)Law and economicsDenialBusinessSpace (punctuation)Foreign direct investmentEconomicsPublic economicsActuarial sciencePolitical scienceLawComputer science

Résumé

récupéré en direct d'OpenAlex

In assessing the potential impact that treating intellectual property (IP) as an investment asset can have on the IP policy space available to states, it is essential to draw a distinction between the rules governing the expropriation of investment assets and the rules relating to the fair and equitable treatment (FET) of investments. This distinction is necessary because, in some investment agreements, measures relating to IP are excluded from the scope of the rules on expropriation, whereas there is usually no such exclusion of IP from the scope of the FET standard. Moreover, the FET standard can be described as a standard whose content and scope is ambiguous, thus making it a potentially useful tool in the hands of an investor seeking to challenge an IP measure adopted by a state. This chapter therefore seeks to examine the potential impact that the FET standard can have on the IP policy space available to states. Using the two recent decisions of investment tribunals in the cases of Philip Morris v Uruguay and Eli Lilly v Canada as case studies, the chapter will critically examine the extent to which a claim based on a denial of FET can narrow down the policy space available to states to design their national IP laws in a way that suits their level of development and societal needs.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,000
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 Opus0,037
Tête enseignante GPT0,213
Écart entre enseignants0,176 · 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.

Devis d'étudeThéorique ou conceptuel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEdward Elgar Publishing eBooksMême sujetInternational Arbitration and Investment LawTravaux en français237 207