Blockchain en het recht : Een verkenning van de reguleringsbehoefte
Bibliographic record
Abstract
Blockchain is een fenomeen dat zich in recente jaren op een grote publieke belangstelling mag verheugen. Het is een innovatieve techniek die een aanvulling kan vormen op het internet om het mogelijk te maken partijen die elkaar niet kennen of (volledig) vertrouwen met elkaar zaken te laten doen. Blockchain technieken pretenderen een vertrouwensprobleem op te lossen. Het open karakter van de blockchain zou bovendien kunnen bijdragen aan transparantie, controleerbaarheid en legitimiteit van allerlei maatschappelijke processen. Tevens zou blockchain vele intermediairs die als een trusted third party functioneren overbodig kunnen maken en daarmee een grote efficiëntieslag mogelijk kunnen maken. Dit onderzoek beoogt een kader te ontwikkelen voor de aanvaardbaarheid van blockchain vanuit juridisch perspectief. Dit kader biedt een biedt de mogelijkheid om de kansen en risico’s die blockchains bieden met elkaar in verband te brengen en zo het inzicht te vergroten in de mogelijkheden voor het benutten van de kansen die blockchain technologie burgers, bedrijven en overheden biedt en voor het beheersen van risico’s en aandachtspunten in het licht van toekomstige wetgeving. De vraagstelling die centraal staat is: Wat zijn vanuit en perspectief van juridische aanvaardbaarheid de kansen en risico’s verbonden aan blockchaintechniek?
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.011 | 0.013 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.029 | 0.008 |
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".