MétaCan
Menu
Retour à la cohorte
Enregistrement W2026071214 · doi:10.1215/s12280-008-9053-6

Life After Experiences of Infertility Treatment: <i>Akirameru</i>—The First Step for Empowering

2008· article· en· W2026071214 sur OpenAlexfundno aff
Azumi Tsuge

Notice bibliographique

RevueEast Asian Science Technology and Society An International Journal · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueReproductive Health and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesAlberta Innovates - Health Solutions
Mots-clésInfertilityAlienationNarrativeNorm (philosophy)FertilityPsychologyMedicineSocial psychologyPolitical sciencePopulationPregnancyPhilosophyLaw

Résumé

récupéré en direct d'OpenAlex

Although there is some awareness of how women in infertility treatment have suffered physically and psychologically, it is a little known fact that there is a limit to the “cures” that can be achieved even with assisted reproductive technologies. Here, I describe how the existence of ART affects women's decision making about their lives. Through life histories of women who underwent infertility treatment, I explore the factors which cause their suffering and conflict—that they cannot give up on having children even though they want to give up—as follows: (1) The models of their ideal family which have been formed throughout their lives is ‘ordinary’ family; (2) they experienced the alienation from their own bodies in infertility treatment; (3) they are afraid that they deviate from the community norm because of infertility; (4) their narrative shows their suffering from infertility is caused by tense relationship in family and community. These factors make women in infertility belittle themselves. Through their life histories, I conclude that they need to be empowered if they want to akirameru (give up) having children after prolonged infertility treatment. To paraphrase, a woman who suffers from infertility and infertility treatment is empowered when she becomes unafraid to deviated from cultural norms.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,004
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,343
Écart entre enseignants0,313 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEast Asian Science Technology and Society An International JournalMême sujetReproductive Health and TechnologiesTravaux en français237 207