MétaCan
Menu
Retour à la cohorte
Enregistrement W7133338226 · doi:10.65521/ijaece.v12i2.145

Blockchain-Based Solutions for Intellectual Property Rights Management

2025· article· W7133338226 sur OpenAlexaff
Ethan Harris, Sarah Thompson

Notice bibliographique

RevueInternational Journal on Advanced Electrical and Computer Engineering · 2025
Typearticle
Langue
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensParkwood Institute
Organismes subventionnairesnon disponible
Mots-clésIntellectual propertyDigital rights managementFair useDigital rightsKey (lock)Digital Millennium Copyright ActDisintermediationRevenue

Résumé

récupéré en direct d'OpenAlex

The rapid advancement of digital technologies has revolutionized intellectual property (IP) creation and distribution but has also increased challenges such as unauthorized use, lack of transparency, and inefficiencies in rights management. Blockchain technology offers transformative potential to address these issues by providing decentralized, secure, and transparent frameworks for managing intellectual property rights. This paper explores blockchain-based solutions for IP rights management, focusing on their ability to enhance copyright protection, streamline licensing, and ensure fair compensation for creators. Key features such as immutability, smart contracts, and tokenization are discussed, highlighting their role in automating licensing agreements, reducing disputes, and ensuring equitable revenue sharing. Additionally, challenges related to scalability, interoperability, and regulatory compliance are examined. Case studies of existing blockchain applications in IP management are presented to demonstrate practical implementations and their impact. This study concludes that blockchain technology holds promise for reshaping IP rights management, fostering innovation, and promoting a fairer creative economy.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,006
Science ouverte0,0020,005
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,007
Tête enseignante GPT0,233
Écart entre enseignants0,226 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal on Advanced Electrical and Computer EngineeringMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207