مطالعۀ تجربی رویۀ قضایی دادگاه‌ها در حوزۀ علائم تجاری با تأکید بر تحلیل مدل‌های آماری

نوع مقاله: مقاله علمی - پژوهشی

نویسندگان

1 استاد دانشکدۀ حقوق و علوم سیاسی دانشگاه تهران

2 دانش‌آموختۀ کارشناسی ارشد حقوق مالکیت فکری دانشگاه تهران

چکیده

باوجود حجم انبوه پرونده‌های جاری در دادگستری و از طرفی پیشرفت‌های چشمگیر فناوری، در زمینۀ مطالعات تجربی و شناخت علمی و مستند از آنچه در دادگاه‌ها رقم می‌خورد با گسستی مخرب مواجه هستیم که تبعات آن قابل‌ چشم‌پوشی نیست. این کمبود در حوزۀ حقوق مالکیت فکری و علائم تجاری نیز پرسش‌های مهمی را بی‌پاسخ گذاشته است. برای حل این مشکل نیاز بود روش‌های نوآورانه‌ای به‌کار گرفته شود تا با کمّی کردن داده‌های کیفی (Quality Quantifying)، بررسی آرا در مقیاس کلان ممکن گردد. تلاش شد با طراحی پایگاه داده و به کمک نرم‌افزار و فنون داده‌کاوی (Data Mining)، ارکان و اجزای متنوعی از یک رأی استخراج و پردازش شود و از منظر کلان و به کمک مدل‌های آماری، تحلیل‌هایی عینی و بدیع از رویۀ محاکم در حوزۀ علائم تجاری ارائه گردد. در این تحقیق از روش تحلیلی مبتنی بر استفاده از منابع موجود در پژوهشگاه قوۀ قضائیه بهره گرفته شده است. با اینکه حجم کمتر از انتظارِ داده‌ها، محدودیت‌هایی در استفاده از مدل‌های آماری ایجاد ‌کرده، اما استخراج طیف وسیعی ازمتغیرها و مؤلفه‌ها از آرا، این امکان را فراهم آورد تا در قالب آمارهای توصیفی و استنباطی، بخشی از یافته‌ها و نتایج روشنگرانه این پژوهش را ارائه کنیم که طبعاً به درک بهتری از وضعیت رسیدگی دادگاه‌ها می‌انجامد. شایان ‌ذکر است که رهیافت و ثمرۀ اصلی این پژوهش را معرفی و آزمودن روشی ابداعی‌ می‌دانیم که برای نخستین بار در کشور امکان تحلیل کلان آرای قضایی در این پژوهش و همچنین در آثار آتی را میسر نمود. این پژوهش با سؤال‌های محدودی آغاز شد اما در ادامه، زوایای بی‌شمار قابل ‌تحلیل و بررسیِ داده‌های استخراج‌شده، ما را شگفت‌زده کرد. رویۀ محاکم در خصوص موضوعات و متغیرهای مختلف یکسان نیست، پس‌ سنجش و تحلیلی جامع و چندبعدی نیاز بود که جزئیات و برآیند آن در متن بیان شده است.

کلیدواژه‌ها


عنوان مقاله [English]

An Empirical Study of the Iranian Judicial Precedent on Trademark with an Emphasis on the Statistical Models

نویسندگان [English]

  • Saeed Habiba 1
  • Arya Meshkin Azarian 2
1 Professor, Faculty of Law and Political Science, University of Tehran, Tehran, Iran
2 LL M, Faculty of Law and Political Science, University of Tehran, Tehran, Iran
چکیده [English]

Despite the enormous volume of ongoing cases in the judiciary and the recent year's technological developments, empirical studies and credible understanding of the court's adjudication faces with a destructive rupture whose consequences cannot be ignored. This ambiguity has also left important questions unanswered in intellectual property rights and trademarks field. Innovative methods were required to overcome this problem and methodologically, the quality quantifying of the data employed, to enable large-scale analysis. We attempted to extract and process various components of court decisions by designing a database and using data mining techniques, and applying statistic models to produce an enhanced analysis of court procedures from a macro perspective. In this study, the analytical method was utilized based on the use of data available in the Research Center of the Judiciary. Although the less than expected data frequency caused some restrictions on our statistic models, extracting a broad range of variables and components from the cases allowed us to provide some of the findings and enlightening results in the form of descriptive and inferential statistics. It provides, of course, a more thorough understanding of the court proceedings status. It is worth mentioning that the key purpose was to introduce and study the innovative method, which for the first time in the country made it possible to analyze macro-judicial cases in this research as well as in future works. We started with limited questions, but have surprised by the numerous angles that could be analyzed from extracted data .The procedure of the courts is not the same in relation to various issues and variables, more comprehensive and multidimensional analysis was required which has demonstrated in the text.

کلیدواژه‌ها [English]

  • Data Mining
  • Empirical study
  • Intellectual Property
  • Precedent
  • Statistic
  • Trademark