MétaCan
Menu
Retour à la cohorte
Enregistrement W1572913144 · doi:10.1111/j.1469-1809.2011.00648.x

From Eugenics to Patents: Genetics, Law, and Human Rights

2011· review· en· W1572913144 sur OpenAlexaboutno aff
Daniel J. Kevles

Notice bibliographique

RevueAnnals of Human Genetics · 2011
Typereview
Langueen
DomaineArts and Humanities
ThématiqueMedical History and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEugenicsLawGeneticsPolitical scienceSociologyBiology

Résumé

récupéré en direct d'OpenAlex

About a decade ago, President William Clinton said that the next half century will be the age of biology, and, that the engine of that age is genetics.Partly because of the Human Genome Project, scientists have been producing a torrent of information and claims about the role of genes in human disease, capacities, and behaviour.The new knowledge is bringing about a revolution in the diagnosis of diseases and disorders.It is also predicted to yield a powerful arsenal of therapies and cures-and possibly an ability to improve people genetically.According to some, it may also fulfil the longstanding dream of the eugenics movement, which flourished during the first-third or so of the last century.In a number of ways, the eugenics movement trampled on human rights as we understand them.It has no more powerful association than with the Nazis.In Germany during the Hitler years, the eugenics movement prompted the sterilisation of several hundred thousand people and helped lead to anti-Semitic programmes of euthanasia and ultimately, of course, to the death camps.But in fact after the turn of the century, eugenics movements, including demands for sterilisation of the unfit, blossomed in the United States, Canada, Britain, and Scandinavia, not to mention elsewhere in Continental Europe and parts of Latin America and Asia.Eugenics was thus not unique to the Nazis.It could-and did-happen everywhere.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,026
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,047
Communication savante0,0130,018
Science ouverte0,0020,005
Intégrité de la recherche0,0180,017
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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.

Tête enseignante Opus0,370
Tête enseignante GPT0,405
Écart entre enseignants0,036 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Human GeneticsMême sujetMedical History and ResearchTravaux en français237 207