MétaCan
Menu
Retour à la cohorte
Enregistrement W2059914878 · doi:10.1289/ehp.9456

Ethical and Scientific Issues of Nanotechnology in the Workplace

2006· article· en· W2059914878 sur OpenAlexaff
Paul A. Schulte, Fabio Salamanca‐Buentello

Notice bibliographique

RevueEnvironmental Health Perspectives · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensOntario GenomicsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAutonomyHarmCLARITYEconomic JusticeBusinessIdentification (biology)Engineering ethicsOccupational safety and healthBeneficencePublic relationsRisk analysis (engineering)PsychologyPolitical scienceEngineeringSocial psychologyLaw

Résumé

récupéré en direct d'OpenAlex

In the absence of scientific clarity about the potential health effects of occupational exposure to nanoparticles, a need exists for guidance in decisionmaking about hazards, risks, and controls. An identification of the ethical issues involved may be useful to decision makers, particularly employers, workers, investors, and health authorities. Because the goal of occupational safety and health is the prevention of disease in workers, the situations that have ethical implications that most affect workers have been identified. These situations include the a) identification and communication of hazards and risks by scientists, authorities, and employers; b) workers' acceptance of risk; c) selection and implementation of controls; d) establishment of medical screening programs; and e) investment in toxicologic and control research. The ethical issues involve the unbiased determination of hazards and risks, nonmaleficence (doing no harm), autonomy, justice, privacy, and promoting respect for persons. As the ethical issues are identified and explored, options for decision makers can be developed. Additionally, societal deliberations about workplace risks of nanotechnologies may be enhanced by special emphasis on small businesses and adoption of a global perspective.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,336
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,011
Tête enseignante GPT0,287
Écart entre enseignants0,276 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations140
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health PerspectivesMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207