Scientific Credibility, Disagreement, and Error Costs in 17 Biotechnology Policy Subsystems
Notice bibliographique
Résumé
One of the original objectives of the advocacy coalition framework (ACF) was to shed light on the role of science in policymaking. The ACF depicts subsystem scientists as political actors just like any other. Unfortunately, science has never become a major theme of research within the framework and, as a consequence, its role in policymaking remains under‐theorized, leaving ample room for interpretation. This article seeks to explore the validity of three propositions about the role of science in policy. The first two are derived from the ACF: (i) the capacity of scientists to provide credible advice is affected by the harshness of the political debates dividing the policy subsystem; and (ii) agreement among scientists is just as common as among other groupings of policy actors. The third is derived from an “error costs” argument: (iii) Disagreements among scientists are even more pronounced than disagreements among other policy actors. Using the results of a survey of policy actors in 17 biotechnology subsystems, this article finds support for the first and third propositions. Indeed, scientists' participation in political divisions might even be underestimated by the ACF. The article concludes with attempts to clarify the role of scientists within the ACF, including discussions of ambiguity regarding the role of professional forums and of scientists in between‐coalition learning within policy subsystems.
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 | 0,130 | 0,349 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,012 | 0,015 |
| Études des sciences et des technologies | 0,013 | 0,019 |
| Communication savante | 0,017 | 0,018 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».