Access and Advocacy: Text & Data Mining and DMCA §1201
Bibliographic record
Abstract
Significant work in DH has focused on access, labor, and infrastructure. They fundamentally shape the field, from who is included to what we study (for example, see Graban et al 2019, McGrail et al 2022, and Losh and Wernimont 2018). Often less discussed is the legal systems that impact the field. Laws defining data use including ownership, access, circulation, and privacy shape the analytical possibilities and differ according to geography and nation state. In this article, we address the impact of a specific United States legal framework governing access to data and outline advocacy to change the legal code to facilitate DH research. We specifically discuss the Association for Computers and the Humanities (ACH) work to support a change in text and data mining policy by supporting an effort led by Samuelson Law, Technology & Public Policy Clinic and Authors Alliance. This policy, section 1201 of the US copyright code, imposes a set of restrictions on how people can use digital materials whose access is mediated using technical protection measures, including digital rights management (DRM) code—even when the use would otherwise be permitted by fair use. (Fair use in US copyright law is roughly equivalent to fair dealing in Canada, although inherently more open through not enumerating a specific list of exemptions.) By collaborating with one another and with legal practitioners, DH scholars can play a significant role in changing the legal regime that protects multinational corporations and limits humanities research. We end with a discussion of next steps and how US-based scholars can get involved in changing this legal landscape.D'importants travaux en DH se sont concentrés sur l'accès, l'emploI et l'infrastructure. Ils façonnent fondamentalement le domaine, de qui est inclus à ce que nous étudions (par exemple, voir Graban et al 2019, McGrail et al 2022, et Losh et Wernimont 2018). Les systèmes juridiques qui ont un impact sur le domaine sont souvent moins discutés. Les lois définissant l'utilisation des données, y compris la propriété, l'accès, la circulation et la confidentialité, façonnent les possibilités d'analyse et diffèrent en fonction de la géographie et de l'État-nation. Dans cet article, nous abordons l'impact d'un cadre juridique spécifique des États-Unis régissant l'accès aux données et décrivons les actions de plaidoyer visant à modifier le code juridique pour faciliter la recherche en DH. Nous discutons spécifiquement du travail de l'Association for Computers and the Humanities (ACH) pour soutenir un changement dans la politique d'exploration de textes et de données en soutenant un effort mené par Samuelson Law, Technology & Public Policy Clinic et Authors Alliance. Cette politique, section 1201 du code des droits d'auteur américain, impose un ensemble de restrictions sur la façon dont les gens peuvent utiliser les matériaux numériques dont l'accès est médiatisé par des mesures de protection technique, y compris le code de gestion des droits numériques (Digital Right Management ou DRM)—même lorsque l'utilisation serait autrement autorisée par l'utilisation équitable. (L'utilisation équitable dans la loi des États-Unis sur le droit d'auteur est à peu près équivalente à l'utilisation équitable au Canada, bien qu'elle soit intrinsèquement plus ouverte du fait qu'elle n'énumère pas une liste spécifique d'exemptions). En collaborant entre eux et avec les praticiens du droit, les chercheurs en sciences humaines peuvent jouer un rôle important dans la modification du régime juridique qui protège les multinationales et limite la recherche en sciences humaines. Nous terminerons par une discussion sur les prochaines étapes et sur la manière dont les chercheurs basés aux États-Unis peuvent s'impliquer dans la modification de ce paysage juridique.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.004 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".