Open Access & Copyright in the age of AI: Open Access Week 2025-10-16
Notice bibliographique
Résumé
In an age when artificial intelligence is reshaping the way we access, create, and share knowledge, it becomes crucial to reflect on the evolving relationship between Open Access and copyright. As AI systems become increasingly sophisticated in searching, analysing, and generating academic content, they offer new opportunities for research dissemination—but also raise complex legal and ethical challenges concerning authors’ rights and the equitable access to information. These topics were explored during the workshop Open Access & Copyright in the Age of AI, organized by Bocconi Library & Archives and Hertie School Library within the framework of the International Open Access Week 2025, in collaboration with the CIVICA university network. The event featured three keynote presentations: Christopher Landes (Hertie School) discussed how AI is transforming the way we search for, analyse, and publish academic literature; Christine Daoutis (University College London) addressed the implications of copyright in the age of AI for academic researchers; and Nicola Lucchi (Pompeu Fabra University) examined the copyright challenges related to AI training and the notion of lawful use. The workshop concluded with a round table discussion involving Nicolò Cavalli (Bocconi University), Joanna Bryson (Hertie School), and Paola Corti (SPARC Europe), who reflected on the balance between innovation, legal frameworks, and the principles of open science in an AI-driven research environment.
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,070 | 0,006 |
| Science ouverte | 0,113 | 0,075 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,266 | 0,007 |
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 ».