MétaCan
Menu
Retour à la cohorte
Enregistrement W1998974421 · doi:10.1177/0270467604263120

Microsystems and Nanoscience for Biomedical Applications: A View to the Future

2004· article· en· W1998974421 sur OpenAlexaff
Linda M. Pilarski, Timothy Caulfield, K.V.I.S. Kaler, C. Backhouse

Notice bibliographique

RevueBulletin of Science Technology & Society · 2004
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of CalgaryUniversity of SaskatchewanUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicrosystemEmerging technologiesEngineering ethicsQuality (philosophy)Ethical issuesEngineeringNanotechnologyManagement scienceComputer scienceRisk analysis (engineering)BusinessArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

At present there is an enormous discrepancy between our nanotechnological capabilities (particularly our nanobiotechnologies), our social wisdom, and consensus on how to apply them. To date, cost considerations have greatly constrained our application of nanotechnologies. However, novel advances in microsystem platform technologies are about to greatly diminish that economic constraint while developing new industries. Properly used in a solid legal and ethical framework, within an educated population, these advances will vastly enrich our quality of life without being intrusive. Improperly used, these technologies could lead to a modern-day Luddism, social turmoil, or possibly even to emulating those societies described in the darkest of novels. These technologies must be developed in tandem with the social and legal frameworks needed to ensure that they improve both individuals and our society. To ensure that this occurs, we need to have the ethical, legal, scientific, and engineering experts working together and with the public.

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)0,011
score de la tête « metaresearch » (Gemma)0,006
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 seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,013
Communication savante0,0080,018
Science ouverte0,0020,004
Intégrité de la recherche0,0130,012
Charge utile insuffisante (le modèle a refusé de juger)0,0180,004

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 Opus0,003
Tête enseignante GPT0,272
Écart entre enseignants0,268 · 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

Citations16
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of Science Technology & SocietyMême sujetCRISPR and Genetic EngineeringTravaux en français237 207