Bibliographic record
Abstract
Bien que le marché des transactions de biens virtuels représente un important impact économique, social et juridique sur l’ensemble de la consommation, ces « biens » ne sont pourtant pas juridiquement reconnus, ni protégés par la loi ou par la jurisprudence en Amérique du Nord ou en Europe. Seuls les contrats de licence rédigés par les développeurs régissent leurs utilisations. Or, les conflits dans ce domaine peuvent devenir très complexes, car les rencontres virtuelles donnent lieu à une grande variété d’activités et sont créatrices de liens de droit entre des internautes qui peuvent se trouver physiquement à l’autre bout de la planète pour se rencontrer virtuellement dans l’environnement du cyberespace. Pour résoudre certains conflits de lois émergents dans cette matière, on se demande s’il est possible que de véritables droits réels soient créés dans le cadre de ces mondes virtuels à propos des objets virtuels afin d’appliquer les règles classiques de droit international privé. Si la résolution des conflits de lois relatifs aux biens virtuels nécessite une certaine adaptation des règles classiques, qui est possible, en l’absence de création de registres de ces droits réels, la solution la plus naturelle aux conflits de lois qui les concernent nous paraît passer par une application des règles de conflit propres aux droits d’auteur afin de protéger la créativité des joueurs et du maître du jeu.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.036 | 0.006 |
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".