MétaCan
Menu
Retour à la cohorte
Enregistrement W4384936277 · doi:10.1093/jlb/lsad016

Open science in play and in tension with patent protections

2023· article· en· W4384936277 sur OpenAlexafffundabout
Anna Nuechterlein, Ari Rotenberg, Jeff M. LeDue, Paul Pavlidis, Judy Illes

Notice bibliographique

RevueJournal of Law and the Biosciences · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Bioinformatics, and Biomedical Research
Établissements canadiensCanada's Michael Smith Genome Sciences CentreNeuroDevNetUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIntellectual propertyPublic relationsAutonomyThematic analysisStakeholderIncentivePolitical scienceBest practiceOpen scienceFocus groupEconomic JusticeKnowledge managementBusinessSociologyQualitative researchMarketingComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

The open science (OS) movement has garnered increasing support in academia alongside continued financial and reputational incentives to obtain intellectual property (IP) protections over research outputs. Here, we explore stakeholder perspectives about intersections between OS and IP to inform the development of institutional OS guidelines for the neurosciences in Canada. We held six focus groups and three interviews with 29 faculty members from a major research and clinical center in Canada. The semi-structured interview guide probed perspectives on the respective roles of patents and OS in neuroscience-related research. We applied thematic content analysis to the transcript data, and extracted 12 major themes and 30 subthemes. Participants perceived a conflict between OS ideologies and the inherently restrictive nature of patents, and highlighted the importance of autonomy, justice, and respectful, culturally safe research practices in any future adoption of OS. Overall, the data suggest that a hybrid OS-IP policy model supported by local expertise may be best suited to meet the priorities and values of the community while mitigating perceived threats. This model includes expanded education about patenting, incentivized data sharing and collaboration, and tangible resources to support implementation of OS that includes skilled support in digital research infrastructures.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,699
Score d'incertitude au seuil0,563

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
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 Opus0,040
Tête enseignante GPT0,312
Écart entre enseignants0,271 · 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'étudeExpérimental (laboratoire)
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
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Law and the BiosciencesMême sujetGenetics, Bioinformatics, and Biomedical ResearchTravaux en français237 207