MétaCan
Menu
Retour à la cohorte
Enregistrement W4388420183 · doi:10.3390/inventions8060141

Patent Parasites: Non-Inventors Patenting Existing Open-Source Inventions in the 3-D Printing Technology Space

2023· article· en· W4388420183 sur OpenAlexaff
Apoorv Kulkarni, Joshua M. Pearce

Notice bibliographique

RevueInventions · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Source Software Innovations
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésOpen sourceOpen innovationIntellectual propertySpace (punctuation)BusinessCommerceMarketingComputer scienceLawPolitical science

Résumé

récupéré en direct d'OpenAlex

Open-source 3-D printing has played a pivotal role in revolutionizing the additive manufacturing (AM) landscape by making distributed manufacturing economic, democratizing access, and fostering far more rapid innovation than antiquated proprietary systems. Unfortunately, some 3-D printing manufacturing companies began deviating from open-source principles and violating licenses for the detriment of the community. To determine if a pattern has emerged of companies patenting clearly open-source innovations, this study presents three case studies from the three primary regions of open-source 3-D printing development (EU, U.S., and China) as well as three aspects of 3-D printing technology (AM materials, an open-source 3-D printer, and core open-source 3-D printing concepts used in most 3-D printers). The results of this review have shown that non-inventing entities, called patent parasites, are patenting open-source inventions already well-established in the open-source community and, in the most egregious cases, commercialized by one (or several) firm(s) at the time of the patent filing. Patent parasites are able to patent open-source innovations by using a different language, vague patent titles, and broad claims that encompass enormous swaths of widely diffused open-source innovation space. This practice poses a severe threat to innovation, and several approaches to irradicate the threat are discussed.

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)0,020
score de la tête « metaresearch » (Gemma)0,052
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,052
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0030,008
Communication savante0,0100,016
Science ouverte0,0020,006
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,130
Tête enseignante GPT0,336
Écart entre enseignants0,207 · 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
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInventionsMême sujetOpen Source Software InnovationsTravaux en français237 207