# Pilotstudie av forberedelse til datalisensiering

Opprettet: 2026-11-17
Oppdatert: 2026-11-17

## Spørsmål og beslutning

Hva bør en organisasjon forberede før den første samtalen med et program for datalisensiering eller dataleveranser? Den tiltenkte leseren eier eller forvalter et datasett for en organisasjon og må kunne beskrive det nøyaktig. Denne pilotstudien undersøker om offentlig beskrevne søknadsfaser gir grunnlag for et nyttig forberedelsesdokument. Den måler ikke leverandørenes prestasjoner og anbefaler ingen leverandør.

De 10 programmene i `observations.json` ble valgt før den viktigste oppdateringen av kildegrunnlaget for å dekke ulike synlige typer søknadsløp i en tidligere gjennomgang av en oversikt over leverandørkanaler. Utvalget er strategisk, ikke tilfeldig: direkte interesse hos laboratorier, markedsplasser, en analytikergjennomgått oversikt, innholdslisensiering, operative virksomhetsdata og industrielle arkiver. Den tidligere oversikten er ikke en fullstendig kartlegging av markedet. Ingen tidligere poengsummer, kontoaktivitet, private data eller subjektive rangeringer inngår i dette datasettet.

## Innsamling

Forskningsdato: 17. november 2026, Asia/Bangkok. Kilder: offisielle engelskspråklige offentlige programsider, direkte relevante offentlige forklaringer og feltetiketter fra søknadssider som kunne hentes ut offentlig. Verktøyet for innhenting fra nettet kan bruke indekserte kopier; dette er en datert gjennomgang av tilgjengelig kildemateriale, ikke en leverandørbekreftet kontroll av gjeldende forhold. OpenAIs forklarende artikkel ble opprinnelig publisert 9. november 2023 og behandles ikke som en ny kunngjøring.

Undersøkelsen stopper før inntasting av personopplysninger, opprettelse av konto, godkjenning av avtaler, opplasting av prøver eller innsending av noe. Ingen slike handlinger ble utført. Hver post angir de konkrete kildene som ble undersøkt, og grensen for observasjonen. Ytterligere offentlige forklaringssider ble brukt der startsiden ikke viste søknaden. Hvor mye som kunne undersøkes, varierer mellom leverandørene, så antall opplysninger som ble gitt, kan ikke sammenlignes som poengsummer.

Uttrekksverktøyet hentet ikke brukbart programinnhold fra Turing Lazarus. Forsiden til The General Data Company var lesbar, men partnerskapskanalen var det ikke. Disse 2 tilfellene blir stående i det faste utvalget som ikke observerbare for dette spørsmålet; ingen av dem klassifiseres som stengt, utilgjengelig for personer eller uten en søknadskanal. Proteges offentlige program og kontaktkanal var lesbare, mens de innebygde feltene ikke var det. Neudatas innebygde skjema ble ikke hentet ut; den offentlige siden beskrev forespørselen om virksomhets- og kontaktopplysninger og de påfølgende fasene.

## Koding

Én post representerer ett program. `observation_status` er `substantive` når minst én gjeldende kilde gir vesentlig informasjon om søknad eller forberedelse; ellers `unobservable`. En post med vesentlig informasjon betyr ikke at en fullstendig søknad ble observert.

`first_action` beskriver det oppgitte første steget: `interest_form`, `account_creation`, `provider_application`, `listing_request`, `partner_form`, `meeting_request`, `estimate_or_contact` eller `unknown`. Det er ikke en påstand om at handlingen ble fullført. `preparation` inneholder korte omskrivinger av uttrykkelig kildemateriale; `later_stage` bevarer rekkefølgen leverandøren oppgir. `limitations` registrerer manglende innsyn. Feltetiketter er ikke bevis for validering, og leverandørløfter er ikke uavhengig observerte resultater.

Sammenstillingen deler forberedelsene inn i virksomhetskontekst, datasettets egenskaper og tillatelse og omfang. Dette er kategorier forfatteren har laget for å organisere materialet. De er en praktisk tolkning av observasjonene, ikke en validert skala. Ukjent informasjon kodes ikke som null eller som fravær av et krav.

## Gjenskaping

Kjør `python3 analyze.py` fra denne mappen. Programmet leser bare `observations.json` og produserer `results.json` og `evidence-table.md`; det gjør ingen nettverkskall og har ingen tredjepartsavhengigheter. Kontrollene sjekker det faste utvalget, datoer, tillatte handlingskategorier, kildehenvisninger og grensen mellom poster med vesentlig informasjon og poster som ikke kan observeres. Tallet 8/10 beskriver bare lesbart kildemateriale i denne pilotstudien; verken et konfidensintervall eller en markedsandel i prosent er passende.

Å gjenskape analysen fra de medfølgende observasjonene gir samme resultat hver gang. For å gjenskape innsamlingen må de oppførte URL-ene besøkes på nytt, og innholdet kan ha endret seg. Nedlastingen inneholder bevisst faktiske observasjoner formulert av forfatteren og kildehenvisninger, ikke videreformidlede fullstendige nettsider, skjermbilder, kontoposter eller det private forskningsmaterialet. Opphavsretten til lenket kildemateriale tilhører eierne. Sapien1s egen artikkel, arbeidsark og observasjonsfiler kan brukes som materiale fra det publiserte nettstedet; denne pakken gir ingen rettigheter til kildedatasett eller tredjepartsinnhold.

Kjør `python3 render-assets.py` for å gjenskape de 2 opprinnelige SVG-figurene. Figuren over inngangspunkter bruker observasjonspostene; infografikken om forberedelser viser forfatterens sammenstilling. Begge inneholder redigerbar tekst, titler og beskrivelser.
