Repair as Research: How Copyright Impedes Learning About Devices
Notice bibliographique
Résumé
Widespread computerization and ubiquitous smart devices have enabled software-based copyright governance to reach into new domains. Beyond their instrumental utility, those devices contain vast amounts of information in the form of software and technical know-how. Through copyright and anti-circumvention rules, however, this information can be cordoned off and confined to exclusive distribution channels, significantly constraining research. While copyright law traditionally conceives of research as the use of expressive works within institutional settings, we propose a broader conceptualization that embraces device research, including informal inquiries and DIY activities. Whether for the purposes of modification, repair, user innovation, or testing, device research involves analytical engagement with physical devices. With a particular focus on repair-related activities as a modality of device research, this Article considers product teardowns, reverse engineering, security research, and testing analyses. It then looks to case studies that exemplify the ways in which copyright can impede this type of research. In highlighting the conceptual overlap between the Right to Repair and Right to Research movements, we argue that a broader concept of research in copyright that includes device research could normatively reinforce and bolster support for a Right to Research in international copyright 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,065 | 0,194 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,013 | 0,057 |
| Communication savante | 0,029 | 0,041 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».