MétaCan
Menu
Retour à la cohorte
Enregistrement W7147342574 · doi:10.1109/icaft66710.2025.11453161

A Multinational Jurisprudence Graph for Mapping Bolar Exception Interpretation Across TRIPS-Compliant Nations

2025· article· W7147342574 sur OpenAlexaboutno aff
B. Akshai Aanand, B. Lavaraju, K.Kirubagaran, Kishore.S, M. Sai Sachine, Princy. G

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJurisprudenceStatuteAnalyticsIntellectual propertyMultinational corporationTransparency (behavior)JurisdictionCommon law

Résumé

récupéré en direct d'OpenAlex

The Bolar exception, a critical legal provision allowing early experimental use of patented drugs for regulatory approval, plays a pivotal role in balancing intellectual property rights and public health imperatives. But it is widely interpreted differently across the jurisdictions that follow the TRIPS, and its harmonization and predictability of the law are all problems. This paper suggests a new graph-based legal analytics tool, Multinational Jurisprudence Graph (MJG) that can be used to determine how the Bolar exception has been applied, constrained, or broadened in a sample of countries including in the US, India, Brazil, Canada, South Africa, and the EU. The methodology incorporates extensive acquisition of legal corpus (statutes, case laws, patent office policies), semantic annotation of judicial reasoning, interpretation of variables to be encoded, and graph construction with Neo4j. The nodes are jurisdictions, statutes or landmark cases and the edges are the influences, similarity in doctrines or citation. The framework was found to have a jurisdictional mapping accuracy of 96.71, an interpretation-type classification accuracy of 94.83, and a temporal precedence prediction accuracy of 92.55, tested over ground truth annotations as determined by experts. The model exposes groups of broad vs. narrow understandings, finds time patterns of judicial reasoning, and carries an alert signal on outlier jurisdictions with limiting views. To sum up, the MJG provides scalable and explicable comparative legal resource that facilitates jurisprudential transparency in IP-health law interfaces. Such approach will be further implemented in future work to cover the cases of non-TRIPS countries and add LLM-based language modeling of law to enhance its semantic granularity by potentially taking accuracy beyond 97.5. The research promotes harmonization of policies, planning of regulations and international negotiations on patent law flexibilities.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,301
Écart entre enseignants0,201 · 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'étudeThéorique ou conceptuel
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 sujetIntellectual Property and PatentsTravaux en français237 207