Technology Pooling Licensing Agreements: Promoting Patent Access Through Collaborative IP Mechanisms (Edition 1)
Bibliographic record
Abstract
Von Patentgemeinschaften spricht man, wenn sich mehrere Patentinhaber vertraglich mit dem Ziel verbinden, gesamte „Pakete“ ihrer jeweiligen patentierten Technologien an Dritte zu lizenzieren.Mit Rücksicht auf die ansteigende Relevanz dieser Geschäftsmethode, erörtert diese Arbeit die entscheidenden Züge und die strategischen Überlegungen, die der Gründung von Patentgemeinschaften zugrunde liegen, sowohl in rechtlicher als auch empirischer Hinsicht, um die optimalen Bedingungen zur erfolgreichen Umsetzung in einem wettbewerblichen Umfeld zu identifizieren. Damit sollen die besten Voraussetzungen zur Förderung von Innovation geschaffen werden.In dieser Hinsicht werden zunächst die Zusammensetzung und der Aufbau innerhalb derartiger Gemeinschaften, unter besonderer Berücksichtigung der Natur der beinhalteten Technologien (wie zum Beispiel „complementary“ im Gegensatz zu „substitute“ Technologien), untersucht. Um die Arbeit um einen rechtsvergleichenden Blickwinkel zu ergänzen, wird außer der Regulierung der Europäischen Union auch die der Vereinigten Staaten von Amerika berücksichtigt.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.053 | 0.014 |
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".