Where Do Canadians Patent? Implications for Canada's Optimal Patent Regime
Bibliographic record
Abstract
Les chercheurs examinent l'endroit où les Canadiens font breveter leurs inventions au moyen de la base de données statistiques des brevets mondiaux (PATSTAT Global) qui contient le dépôt de plus de 90 bureaux de brevet dans le monde. Des 11 690 inventions canadiennes, près des trois quarts (73,5 %) sont déposés aux États-Unis, par rapport à 55,9 % au Canada et 24,7 % à l'Office européen des brevets (EPO). Un peu plus de la moitié des inventions sont déposées dans un seul bureau, particulièrement les États-Unis, tandis que les autres le sont dans 37 bureaux différents. Les chercheurs ont également découvert qu'un nombre démesuré d'inventions déposées au Canada ont tendance à être de moins bonne qualité, dans des secteurs peu technologiques et dans les industries où l'intensité de la R&D est plus faible. Pour les inventeurs canadiens, les résultats indiquent que la plupart des mesures incitatives pour innover liées aux brevets proviennent de l'extérieur du pays, ce qui laisse supposer que le Canada devrait se diriger vers un régime de brevets minimal. Conformément à cette perspective, les chercheurs remarquent que le bureau des brevets du Canada est l'un des plus sélectifs, puisqu'il n'en délivre que 42,3 %.
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 | 0.031 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.010 | 0.004 |
| Scholarly communication | 0.012 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.004 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.001 |
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".