مقایسه نظام مالکیت معنوی ایران با کشورهای برتر حوزه نوآوری آمریکا،آلمان،انگلستان،فرانسه
Publish place: International Conference on Modern Research`s in Management, Economics and Accounting
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 3,193
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
MRMEA01_352
Index date: 19 February 2016
مقایسه نظام مالکیت معنوی ایران با کشورهای برتر حوزه نوآوری آمریکا،آلمان،انگلستان،فرانسه abstract
این پژوهش حاصل تحقیق و بررسی است که با هدف ارزیابی نظام مالکیت معنوی ایران و نقش آن برنوآوری با مقایسه کشورهای برتر این حوزه در جهان صورت گرفته است . در این پژوهش ابتدا مبانی و تعاریف موضوع مالکیت معنوی مورد بررسی قرار گرفته و با بررسی پیشینه تحقیق به مرور ادبیات حاکم بر ایران و کشورهای برتر حوزه نوآوری شامل ایالات متحده امریکا ، آلمان ، انگلیس و فرانسه پرداخته شده است . در بخش بندی پژوهش سعی شده است قوانین مرتبط با مالکیت معنوی در کشور عزیزمان ایران از جنبه های مختلف مورد بررسی قرار گیرد و در ادامه به بررسی قوانین مرتبط در کشورهای برترحوزه نوآوری پرداخته شده است . پرسش اصلی این است که قوانین مرتبط با مالکیت معنوی در کشورهای برتر حوزه نوآوری با کشور ایران دارای چه تفاوت هایی می باشد ؟ در انتها جدول تطبیقی و مقایسه ای نشان می دهد که شاخص های مختلف مالکیت معنوی در ایران نسبت به کشورهای برتر حوزه نوآوری در وضعیت مطلوبی به سر نمی برد که نهایتا در بخش نتیجه گیری پیشنهادهایی با هدف بهبود وضعیت کنونی مالکیت معنوی در ایران با توجه به نقش و اهمیت آن در حوزه نوآوری ارائه می گردد .
مقایسه نظام مالکیت معنوی ایران با کشورهای برتر حوزه نوآوری آمریکا،آلمان،انگلستان،فرانسه Keywords:
مقایسه نظام مالکیت معنوی ایران با کشورهای برتر حوزه نوآوری آمریکا،آلمان،انگلستان،فرانسه authors
شهرام شکوری
کارشناس ارشد مدیریت تکنولوژی دانشگاه علم و صنعت ایران مدیرعامل هلدینگ طرفه نگار
میرسامان پیشوایی
دکترای صنایع ، عضو هیات علمی دانشکده مهندسی صنایع دانشگاه علم و صنعت ایران
علیرضا غفاری مقدم
کارشناس ارشد مهندسی صنایع دانشگاه علم و صنعت ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :