Governing synthetic biology for global health through responsible research and innovation
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
Synthetic biology (SynBio) is a global endeavour with research and development programs in many countries, and due (in part) to its multi-use characteristics it has potential to improve global health in the area of vaccine development, diagnostics, drug synthesis, and the detection and remediation of environmental toxins. However, SynBio will also concurrently require global governance. Here we present what we have learnt from the articles in this Special Issue, and the workshop we hosted in The Hague in February of 2012 on SynBio, global health, and global governance that generated many of the papers appearing here. Importantly we take the notion of 'responsible research and innovation' as a guiding perspective. In doing so our understanding of governance is one that shifts its focus from preventing risks and other potential negative implications, and instead is concerned with institutions and practices involved in the inclusive steering of science and technology towards socially desirable outcomes. We first provide a brief overview of the notion of global health, and SynBio's relation to global health issues. The core of the paper explores some of the dynamics involved in fostering SynBio's global health pursuits; paying particular attention to of intellectual property, incentives, and commercialization regimes. We then examines how DIYbio, Interactive Learning and Action, and road-mapping activities can be seen as positive and productive forms of governance that can lead to more inclusive SynBio global health research programs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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