Legal shifts : shaping expectations of intellectual property protection in an open innovation industrial environment
Bibliographic record
Abstract
Ce mémoire vise à évaluer les effets de variations des attentes des firmes quant à la protection conférée par les droits de propriété intellectuelle (« PI ») pour les inventions et innovations dans un milieu industriel d’innovation ouverte. D’abord, les régimes de PI aux États-Unis et au Canada sont analysés à travers des cas jurisprudentiels et législatifs et des traités internationaux afin d’illustrer de quelle façon les normes juridiques changent et démontrer les répercussions sur les attentes des firmes. Puis, les attributs du modèle de l’innovation ouverte, où les firmes gèrent à dessein leurs relations d’affaires avec une attitude d’ouverture, sont décrits et sa pertinence est appuyée à l’aide d’un modèle simple. L’accent est mis sur son traitement distinctif des échanges de connaissances et d’intrants à l’intérieur même des firmes et entre elles. Une fois ces notions établies et s’y référant à titre d’hypothèses, un modèle microéconomique des échanges de connaissances entre firmes est élaboré, avec deux variables de choix, la PI et le secret, qui captent les mécanismes de gestion technologique des firmes. Par la tension entre ces variables, les processus de prise de décisions et les interactions entre les firmes sont évalués au moyen d’une analyse statique. Pour étudier plus en détails les choix des firmes, une version à deux joueurs du modèle est examinée au moyen de la théorie des jeux. Dans toutes ces formes du modèle, l’impact des fluctuations des attentes des firmes relativement au droit de la PI est jaugé. Tel que prévu, ces effets pour une firme changent en fonction des choix de gestion de chacune des firmes. Les effets varient également eu égard à la nature des relations à travers lesquelles les échanges de connaissance ont lieu. Dans la variante à deux joueurs, la statique comparative d’un équilibre de Nash en stratégie mixte montre que la relation avec l’autre joueur imprègne les incidences des variations du droit sur les stratégies de gestion technologique. Par exemple, une hausse des attentes de protection juridique de la PI couvrant la technologie d’une firme peut étonnamment mener cette firme à moins y recourir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.029 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".