Copyright Amendment Bill: Contradictions to Hit the South African Education Sector
Notice bibliographique
Résumé
This article maps the latest developments in South Africa’s complex battle to update its Copyright Amendment Bill across a path strewn with legal pitfalls. Driving the agenda of the American-derived “fair use” and other copyright exceptions at the expense of content creators are the state, under the guise of “access” to education, and Big Tech companies focused on data mining, paraded as users’ rights to content. The emerging Bill has given rise to a set of major contradictions that will directly and negatively impact especially educational book publishing, from primary to tertiary sectors. The updated Bill risks violating authors’ rights and international treaties. The authors identify contradictions in public policy and sketch the most contentious aspects within debates around the Bill. The implications for the national research economy are considered, while the need to adequately protect the copyright of open access content is raised. The article closes with a summary of the issues of “fair use” and fair dealing, the predatory implications, and the outcome of the contradictions for the industry. The relevance of writing about a moving target is because a) the Bill has been in contestation for eight years now; b) universities and the whole educational sector have failed to respond coherently to the threats portended in the Bill; c) the nature of the claims and counter-arguments raised by the Bill will continue well after it has been promulgated; and d) the analysis is alert to open access imperatives and to the threat of South Africa becoming a haven for servers hosting pirated content should the Bill become law.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,013 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».