GENETIC ENHANCEMENT, SOCIAL JUSTICE, AND WELFARE‐ORIENTED PATTERNS OF DISTRIBUTION
Notice bibliographique
Résumé
The debate over the host of moral issues that genetic enhancement technology (GET) raises has been significant. One argument that has been advanced to impugn its moral legitimacy is the 'unfair advantage argument' (UAA), which states: allowing access to GET to be determined by socio-economic status would lead to unjust outcomes, namely, create a genetic caste system, and with it the exacerbation and perpetuation of existing socio-economic inequalities. Fritz Allhoff has recently objected to the argument, the kernel of which is that it conflates the use of the technology with its distribution. GET, he argues, would generate unjust outcomes only if it is distributed according to principles of an unjust pattern of distribution; for if we can determine what constitutes a 'just' distributive scheme, then the technology can be allocated according to the principles of that scheme. In this paper I argue the following cluster of related claims: (1) both UAA and Allhoff's proposed distributive schemes ignore the importance of non-genetic factors in the development of an individual's characteristics and capacities; (2) if we accept the view that it is good to prevent unjust outcomes that arise because some have exclusive access to GET, then we have to accept wide-ranging distributive schemes; (3) by tracking genetic and non-genetic factors wide-ranging schemes do violate in some sense the widely shared value of neutrality in liberal democracies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,065 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».