Scientific Credibility, Disagreement, and Error Costs in 17 Biotechnology Policy Subsystems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle