Document juridique sur la propriété intellectuelle
Bibliographic record
Abstract
Ce document donne les grandes lignes de la loi canadienne sur la propriété intellectuelle, en se concentrant sur le rôle qu'elle joue dans la protection des données, des informations et des produits du domaine de la géospatiale. Par « données géospatiales », on entend les données brutes, telles que les coordonnées géographiques. « L'information géographique » se réfère aux données géographiques prises dans leur contexte (par exemple, les données sur l'emplacement des ressources minérales). Les « produits de données géospatiales » signifient la forme sous laquelle les données sont exprimées; ces produits peuvent inclure des bases de données, des cartes, des représentations graphiques, des photographies ou autres documents ou produits. La propriété intellectuelle comprend généralement trois domaines principaux : le droit d'auteur, les brevets et les marques de commerce. D'autres catégories peuvent inclure la loi sur les dessins industriels, la protection des topographies de circuits intégrés, et la protection des obtentions végétales. L'information confidentielle ou les secrets professionnels sont souvent considérés comme une forme de propriété intellectuelle protégée au titre du droit commun ou civil, ou de l'equity. L'objet de ce document porte essentiellement sur l'information confidentielle, le droit d'auteur, les marques de commerce et les brevets, bien que le droit d'auteur soit le principe de base essentiel de la protection des données géographiques et des produits d'information associés.
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 | 0.006 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.010 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.020 | 0.010 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.179 | 0.073 |
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".