Ethics as Capital: Eggs, Research Governance and the Politics of Representation
Notice bibliographique
Résumé
In 1999 I interviewed a 29 year old woman, Nora, in a small northern Canadian city about her thoughts, plans and expectations about getting pregnant. Although she had tried to get pregnant before and was still hoping to, she had gone back to university and had decided to put the plans to become pregnant on hold. During the conversation, I mentioned an article that had recently appeared in the New Yorker magazine (Mead 1999) reporting that women were being paid U.S. $15,000-$20,000 to “donate” their eggs for fertility purposes. Nora looked at me, questioningly: “$15,000-$20,000?” “That was a high amount,” I replied. She nodded, “Hmm. It sounds too good to be true.“ I described the content of the article a bit more, as well as the advertisement that had inspired it. Nora reflected: But, I mean, the donor ... I mean it’s, if she wants to, it’s her responsibility to be responsible to know what’s happening to her body. But if somebody is looking for a donor, there’s nothing wrong with that. But is education provided out there? Or are resources out there for women to research them? Because, if somebody put in an ad and I saw the ad, and, you know, $20,000 ... Yeah, I’d want to do it. But I’d also want to check, have the resources to look into it. What’s going to happen to my body taking fertility [drugs]? How do I match my cycles to the other person’s cycle? And how much damage are they going to do to my body when they do surgery? And do I have to go for the surgery, or ...?
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 | 0,138 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,020 | 0,110 |
| Communication savante | 0,033 | 0,025 |
| Science ouverte | 0,003 | 0,022 |
| Intégrité de la recherche | 0,012 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».