دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب I Big Data e il diritto antitrust
دانلود کتاب کلان داده و قانون ضد تراست
مشخصات کتاب
I Big Data e il diritto antitrust
ویرایش: Prima edizione
نویسندگان: Mariateresa Maggiolino
سری:
ISBN (شابک) : 9788823815827
ناشر: EGEA S.p.A.
سال نشر: 2018
تعداد صفحات: 416
زبان: Italian
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
قیمت کتاب (تومان) : 54,000
در صورت تبدیل فایل کتاب I Big Data e il diritto antitrust به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کلان داده و قانون ضد تراست نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب کلان داده و قانون ضد تراست
کتاب ماریاترزا ماگیولینو اولین مطالعه تک نگاری ایتالیایی است که به موضوع کلان داده ها و قانون رقابت اختصاص دارد. این اثر در مجموعه قانون و اقتصاد به کارگردانی Piergaetano Marchetti برای انتشارات Egea منتشر شده است.\r\n\r\nاین جلد، که در شش فصل تقسیم شده است، با تجزیه و تحلیل دقیق پدیده کلان داده، در نمایه های مختلف مرتبط - از جنبه سیاسی، با اشاره ویژه به جنبه هایی مانند خطر دستکاری اطلاعات، مدیریت مقادیر زیاد آغاز می شود. داده‌های شخصی و در نتیجه حفاظت از هویت فرد، به هویت اقتصادی، با توجه خاص به اشکال احتمالی استفاده استراتژیک از کلان داده‌ها و پیامدهایی که ممکن است ناشی از آن باشد.\r\n\r\nآنجا. بنابراین به سمت زمینه سازی پیشرونده مشکل کلان داده ها در زمینه ضد انحصار حرکت می کند، با شروع از یک انتخاب اساسی روشن در مورد شناسایی عملکرد قانون ضد انحصار (که در حمایت از رقابت به رسمیت شناخته می شود به عنوان یک فرآیند پویا مناسب برای تأثیرگذاری بر روی مصرف کننده نهایی) و به رویکرد تحلیلی بهینه برای ارزیابی پیامدهای ضدتراست پدیده کلان داده (به ویژه، یک رویکرد مبتنی بر اثرات، که تأثیر عینی رفتار بررسی شده بر فرآیند رقابتی را در نظر می گیرد).\r\n\r\nدر پس زمینه، توسعه استدلالی نویسنده. به نظر می رسد ناشی از این اعتقاد است که کنترل ضد انحصار (همچنین) در حوزه کلان داده ها نباید در یک مداخله منطبق بر بازار، در جنبه های ساختاری و عملکردی آن حل شود، بلکه برعکس، باید به یک اصلاحی محدود شود. عملکرد ترمیمی شرایط رقابتی پویایی احتمالاً با رفتار اعوجاجی انواع مختلف تغییر می کند.\r\n\r\nدر تأملات نویسنده بسیار مهم است. تجزیه و تحلیل همبستگی بین کلان داده و قدرت بازار است\r\n\r\nدر این راستا، الف. از صفحات اول جلد، روشن می کند که هم ارزی کلان داده/قدرت اقتصادی شرکتی که آن را در اختیار دارد نباید به عنوان داده های انکارناپذیر در نظر گرفته شود، بلکه باید برعکس - طبق رویکرد معمول تجزیه و تحلیل ضد تراست - ارزیابی شود. به صورت موردی، به طور تصادفی، به ویژه به این دلیل که - نویسنده ادامه می دهد. - مزیت رقابتی مرتبط با کلان داده ها می تواند نه تنها، یا نه چندان، از در اختیار داشتن خود این منبع، بلکه از سرمایه گذاری های خاصی که هر شرکت انجام می دهد تا از مجموعه داده ها، اطلاعات و دانش مفید استخراج کند. برای یک بهره برداری استراتژیک، احتمالاً حتی با یک نتیجه ضد رقابتی، از خود منبع.\r\n\r\nبه نظر می‌رسد تاکید بر «قدرت بازار» با آگاهی (که یک پیش‌فرض ضمنی در استدلال نویسنده باقی می‌ماند، اما با دیدگاه تحلیلی مبتنی بر اثرات پیشنهادی مطابقت دارد) پشتیبانی می‌شود) که به موجب آن، ظهور اثرات تحریف‌کننده واقعی یا بالقوه، در همه موارد پیش‌فرض است. ارتباط ضد تراست، اعمال قدرت در بازار، به صورت فردی یا جمعی.\r\n\r\nبنابراین، تحلیل بر تحریف‌های احتمالی رقابت مرتبط با کلان داده‌ها به شکل دوگانه تمرکز می‌کند: الف) رفتار ضدرقابتی که در مرحله «شکل‌گیری» داده‌های بزرگ رخ می‌دهد. 2) رفتار ضد رقابتی که در مرحله \"بهره برداری\" از کلان داده رخ می دهد.\r\n\r\nدسته اول، برای مثال، شامل پدیده‌های تمرکزی است که بر سوژه‌های اقتصادی دارای داده‌های بزرگ (در میان شناخته‌شده‌ترین آنها، Google-Double Click؛ Facebook-WhatsApp؛ Microsoft-Yahoo) تأثیر گذاشته است. با تصدیق نگرش سهل‌آمیز کلی تصمیم‌گیرندگان اروپایی و آمریکایی، تأیید فرصت ارزیابی موردی پرونده‌های ضدانحصار مربوط به کلان داده‌ها، و عاری از پیش داوری‌های ضد رقابتی بودن تجمیع داده‌ها، بررسی می‌کند.\r\n\r\nبا این حال، دسته دوم شامل مواردی است که به خودی خود نوعی کنترل ضد انحصار هستند - و به ویژه، رویه های هماهنگ، سوء استفاده های انحصاری یا سوء استفاده های استثماری - که با این حال، وقتی به داده های بزرگ مربوط می شوند، ویژگی های عجیبی به خود می گیرند. در این رابطه، فضای کافی برای مثال، به خطر تبانی ضمنی که از طریق الگوریتم‌ها به دست می‌آید، یا حتی به امکان صلاحیت داده‌های بزرگ به‌عنوان «منبع ضروری» اختصاص دارد، که نتیجه آن امتناع از اشتراک‌گذاری به عنوان « سوء استفاده از منبع، دیدگاه اخیر نیز در ادبیات علمی در مورد این موضوع پشتیبانی می کند، اما که الف. بیش از هر چیز متقاعدکننده تلقی نمی شود، زیرا با دشواری تعریف مناسب (و به نظر می رسد با اثر غیرقانونی) شرایط یک تعهد احتمالی به قرارداد در تضاد است.\r\n\r\nاین جلد با بازتاب‌های کلی‌تر در مورد رویکرد بهینه به «حاکمیت» پدیده کلان داده پایان می‌یابد، بازتاب‌هایی که به معنای نسبت دادن به کنترل ضدانحصار یک تابع مداخله اصلاحی و به‌موقع در رفتار خاص بازار در رابطه با کلان داده‌ها، و حرکت به سمت آن است. شکل‌های دقیق‌تر و گسترده‌تر مداخله در سطح مناسب نظارتی - و در نتیجه سیاسی - در عملکرد و روش‌های بهره‌برداری از داده‌های بزرگ، به‌ویژه برای پروفایل‌های مرتبط سیاسی-اجتماعی.
توضیحاتی درمورد کتاب به خارجی
Il libro di Mariateresa Maggiolino costituisce il primo studio monografico italiano dedicato al tema big data e diritto della concorrenza. L’opera è pubblicata all’interno della Collana di diritto ed economia, diretta da Piergaetano Marchetti, per la casa editrice Egea. Il volume, articolato in sei capitoli, si apre con un’accurata analisi del fenomeno big data, nei diversi profili di rilevanza – da quello politico, con particolare riferimento ad aspetti quali il rischio di manipolazione dell’informazione, la gestione di grandi quantità di dati personali, e dunque la protezione dell’identità dell’individuo, a quello economico, con specifico riguardo alle possibili forme di uso strategico dei big data e alle conseguenze che da ciò possono derivare. L’a. quindi muove verso una progressiva contestualizzazione del problema dei big data in ambito antitrust, partendo da una netta scelta di fondo quanto all’identificazione della funzione del diritto antitrust (ravvisata nella protezione della concorrenza intesa come processo dinamico idoneo a influenzare il benessere del consumatore finale) e all’approccio analitico ottimale per la valutazione delle implicazioni antitrust del fenomeno big data (segnatamente, un approccio effects-based, che tenga conto dell’incidenza in concreto della condotta esaminata sul processo concorrenziale). Sullo sfondo, lo sviluppo argomentativo dell’a. sembra percorso dal convincimento per cui il controllo antitrust (anche) in materia di big data non debba risolversi in un intervento conformativo del mercato, nei suoi aspetti strutturali e funzionali, ma che, al contrario, debba limitarsi a una funzione correttivo-ripristinatoria delle dinamiche concorrenziali eventualmente alterate da condotte distorsive di varia natura. Cruciale nelle riflessioni dell’a. è l’analisi della correlazione tra big data e potere di mercato Al riguardo, l’a. chiarisce, sin dalle prime pagine del volume, che l’equivalenza big data/potere economico dell’impresa che li detiene non debba assumersi come dato inconfutabile, ma al contrario, debba essere valutata – secondo l’approccio tipico dell’analisi antitrust – caso per caso, specialmente perché – continua l’a. – il vantaggio competitivo associato ai big data potrebbe derivare non solo, o non tanto, dalla detenzione in sé di tale risorsa, ma piuttosto dagli investimenti specifici che la singola impresa realizza per estrarre, dal complesso di dati, le informazioni e le conoscenze utili per uno sfruttamento strategico, eventualmente anche dall’esito anticoncorrenziale, della risorsa medesima. L’enfasi posta sul “potere di mercato” sembra sorretta dalla consapevolezza (che rimane premessa implicita al ragionamento dell’a., ma coerente con la prospettiva analitica effects-based suggerita) per cui l’emersione di effetti distorsivi reali o potenziali presuppone, in tutte le fattispecie di rilevanza antitrust, l’esercizio, in forma individuale o collettiva, di un potere di mercato. L’analisi si concentra, quindi, sulle possibili condotte distorsive della concorrenza associate ai big data, nella doppia forma di: i) condotte anticoncorrenziali che intervengono in fase di “formazione” dei big data; ii) condotte anticoncorrenziali che intervengono in fase di “sfruttamento” dei big data. Alla prima categoria sono da ascriversi, per es., i fenomeni concentrativi che hanno interessato soggetti economici titolari di big data (tra i più noti, Google-Double Click; Facebook-WhatsApp; Microsoft-Yahoo), operazioni che l’a. esamina dando atto dell’atteggiamento complessivamente permissivo dei decisori europei e statunitensi, a conferma dell’opportunità di una valutazione caso per caso delle fattispecie antitrust relative a big data, e scevra da pregiudizi di anti-concorrenzialità per se delle aggregazioni di dati. Nella seconda categoria sono, invece, ricomprese fattispecie di per sé tipiche del controllo antitrust – e segnatamente, pratiche concordate, abusi escludenti o abusi di sfruttamento – che, tuttavia, assumono caratteristiche peculiari quando hanno ad oggetto big data. Ampio spazio, al riguardo, è riservato, per es., al rischio di collusione tacita realizzata mediante algoritmi, o anche alla possibilità di qualificare i big data come “risorsa essenziale”, con la conseguenza di connotare come “abusivo” il rifiuto di condivisione della risorsa, prospettiva quest’ultima pure sostenuta nella letteratura scientifica sull’argomento, ma che l’a. ritiene poco persuasiva soprattutto perché si scontra con la difficoltà di definire in modo appropriato (e, sembrerebbe, con effetto non regolatorio), le condizioni di un eventuale obbligo a contrarre. Il volume si conclude con riflessioni più generali quanto all’approccio ottimale al “governo” del fenomeno dei big data, riflessioni orientate nel senso di attribuire al controllo antitrust una funzione di intervento correttivo e a carattere puntuale su specifiche condotte di mercato aventi ad oggetto big data, e di spostare su un piano propriamente regolatorio – e quindi, politico – più incisive e più ampie forme di intervento sul funzionamento e sulle modalità di sfruttamento dei big data, specialmente per i profili di rilevanza politico-sociale.
