MétaCan
Menu
Retour à la cohorte
Enregistrement W4319299692 · doi:10.3386/w30913

Blockchain for Timely Transfer of Intellectual Property

2023· report· en· W4319299692 sur OpenAlexafffund
Dongling Cai, Yi Qian, Ning Nan

Notice bibliographique

RevueNational Bureau of Economic Research · 2023
Typereport
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensUniversity of WaterlooUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Natural Science Foundation of China
Mots-clésBlockchainIntellectual propertyProperty (philosophy)Transfer (computing)Computer scienceBusinessComputer securityParallel computingOperating system

Résumé

récupéré en direct d'OpenAlex

This article adopts a marketing perspective to examine how blockchain technology can facilitate innovation by streamlining the licensing process of intellectual property (IP).It notes that in the traditional world, there can be a tension between inventors and developers when it comes to licensing IP before a patent is granted.Developers need more information about the IP in order to estimate its value, while inventors are hesitant to disclose too much information for fear that developers will use it to develop and commercialize the IP without licensing it.The authors argue that blockchain's ability to create a transparent and secure record of the inventing process can alleviate these concerns.On the one hand, blockchain's traceability helps protect IP from infringement, encouraging inventors to disclose more information about their high-value IP.On the other hand, developers have more incentive to license IP rather than infringe on it because of the risk of punishment.The authors also suggest that the size of the community maintaining the blockchain is a crucial factor in ensuring the validity of the blockchain.They suggest that a community that is too large or too small would not be able to reach equilibrium.These findings provide insights into how blockchain can be used to improve the economics of IP.

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)0,003
score de la tête « metaresearch » (Gemma)0,014
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: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,006

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 Opus0,423
Tête enseignante GPT0,494
Écart entre enseignants0,071 · 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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207