A Tiered Framework for Copyright Ownership in AI-Generated Content
Identification
- Clé publique
- doi:10.71411/eaou.2025.v1i1.583
- Auteurs
- Kaiming Ding
- Année déclarée
- 2025
- Langue déclarée
- en
- Type source
- article
- Première détection
- 2026-11-09T19:04:47.816709+00:00
- Dernière observation des métadonnées
- 2026-11-09T19:04:47.816709+00:00
- Dernière vérification HTTP
- Non effectuée
Institutions déclarées par la source
Harbin University of Commerce
Pays d’affiliation déclarés
CN
Résumé documentaire — langue originale
The rapid proliferation of Artificial Intelligence Generated Content (AIGC) has precipitated an ontological crisis in copyright law, challenging its foundational anthropocentric principles. This study constructs a tripartite subjecthood framework to resolve attribution dilemmas across the autonomy spectrum of generative systems. Through doctrinal analysis of seminal cases (Naruto v. Slater, Feist v. Rural) and emergent legislation (EU AI Act, China’s Interim Measures), we demonstrate that granting AI legal personhood fundamentally conflicts with copyright’s utilitarian purpose. Crucially, we introduce a Contribution Weight Matrix (α·HI + β·AD + γ·UP) quantifying human-algorithmic collaboration in hybrid creation scenarios, validated against ISO/IEC 23053-2 documentation standards. Our legislative proposal advocates: Mandatory blockchain provenance registration(C2PA standard); Sui generis rights for transformative generativity; Developer strict liability-training data infringement. Empirical evidence from Vanity Fair v. AI Art Collective and Japan’s 2025 Copyright Act confirms the framework’s cross-jurisdictional viability. This research provides the first computational solution to AIGC copyright allocation while preserving creative incentives in the algorithmic age.
Identifiants
- OPENALEX
- W4414305223
- DOI
- 10.71411/eaou.2025.v1i1.583
Repères documentaires
- Famille documentaire
- Doctrine
- Types déclarés par les sources
- article
Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.
Sources
OpenAlex · Document 1 · Document 2
Provenance des champs documentaires
Les valeurs étayées et les valeurs de provenance non résolue sont séparées. Une provenance bibliographique ne valide aucune affirmation juridique.
- Titre
- Étayé par une source documentaire
- Publication
- Étayé par une source documentaire
- Auteurs
- Étayé par une source documentaire
- Type documentaire
- Étayé par une source documentaire
- Juridiction
- Non renseigné
- Cour
- Non renseigné
- Autorité émettrice
- Non renseigné
- Éditeur
- Non renseigné
- DOI
- Étayé par une source documentaire
- ISBN
- Non renseigné
- Identifiant officiel
- Non renseigné
- URL source
- Étayé par une source documentaire
- Statut déclaré par la source
- Non renseigné
- Modification / abrogation
- Non renseigné
Versions de l’instrument et source officielle
Source non résolue
Vérification de l’identité documentaire uniquement : aucune validation du texte intégral, de la portée juridique ou de la force en vigueur n’est déduite de la présence d’un lien ou d’une date.
Rapprochement documentaire à vérifier.
Statut issu de l’extraction documentaire conservée : Non établi
Citer cette référence
Kaiming Ding. A Tiered Framework for Copyright Ownership in AI-Generated Content. 2025. https://doi.org/10.71411/eaou.2025.v1i1.583
JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·
APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.
- APA
- Kaiming Ding. (2025). A Tiered Framework for Copyright Ownership in AI-Generated Content. https://doi.org/10.71411/eaou.2025.v1i1.583
- Chicago
- Kaiming Ding. A Tiered Framework for Copyright Ownership in AI-Generated Content. 2025. https://doi.org/10.71411/eaou.2025.v1i1.583
- ISO 690
- Kaiming Ding. A Tiered Framework for Copyright Ownership in AI-Generated Content. 2025. https://doi.org/10.71411/eaou.2025.v1i1.583
UDTR — Bibliothèque juridique mondiale des droits de la Nature. A Tiered Framework for Copyright Ownership in AI-Generated Content. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-1e5a11295346e33e4decc054a25c53e4/ · Dernière vérification HTTP : non effectuée
Provenance par champ et version de la notice
Version fead2dd5483ef883 · udtr-reference-1.1.2
- Titre
- OpenAlex · source · 2026-11-09T19:04:47.816709+00:00
- Auteurs
- OpenAlex · source · 2026-11-09T19:04:47.816709+00:00
- Année
- OpenAlex · source · 2026-11-09T19:04:47.816709+00:00
- Identifiants
- OpenAlex · source · 2026-11-09T19:04:47.816709+00:00
- URL source
- OpenAlex · source · 2026-11-09T19:04:47.816709+00:00
L’historique porte sur les métadonnées de la notice, sans certifier l’état du droit.
e5d6b562007cb8da · 2026-11-09T19:04:47.816709+00:00
1229cf0a29eabdca · 2026-11-09T19:04:47.816709+00:00
b1718449c3b77938 · 2026-11-09T19:04:47.816709+00:00
fead2dd5483ef883 · 2026-11-09T19:04:47.816709+00:00
Données de cette version figée
Dossiers et relations documentaires
Rôles des sources
Source de découverte · https://doi.org/10.71411/eaou.2025.v1i1.583
Source de découverte · https://openalex.org/W4414305223
Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.
Statut documentaire
Hors périmètre juridique après examen
Bibliothèque
Cette identité n’est pas encore intégrée à la Bibliothèque juridique.