MétaCan
Menu
Retour à la cohorte
Enregistrement W2074251263 · doi:10.1504/ijbt.2006.008961

Enabling knowledge societies in developing countries: the example of genomics

2006· article· en· W2074251263 sur OpenAlexaff
Deepa L Persad, Uyen Quach, Halla Thorsteinsdóttir, Fabio Salamanca Buentello, Peter Singer, Abdallah S. Daar

Notice bibliographique

RevueInternational Journal of Biotechnology · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNaval Medical Research CenterNew Partnership for Africa's DevelopmentOffice of Naval ResearchBill and Melinda Gates Foundation
Mots-clésTransformative learningFutures studiesExpansiveIntellectual propertyDeveloping countryCorporate governanceBusinessKnowledge managementGlobal public goodEquity (law)Action planPublic goodPublic relationsPolitical scienceEconomic growthSociologyEconomicsComputer scienceManagement

Résumé

récupéré en direct d'OpenAlex

To address the health needs of developing countries, it is necessary to build and strengthen knowledge societies. By using genomics as an example, we aim to demonstrate that creating effective knowledge societies requires transformative steps and concrete mechanisms. We present four transformative steps towards the development of an expansive outlook regarding equity: developing a global state of mind; promoting long-term self-interests; facilitating public engagement and enhancing the production of Global Public Goods (GPGs) using the example of genomics knowledge. In support of these steps, we identify concrete mechanisms as an action plan using four pragmatic solutions: foresight exercises for identifying needs and prioritising technologies; strengthening capacity and improving access to knowledge in developing countries; defining intellectual property and regulatory concerns for these technologies; and establishing global governance and financial mechanisms.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,836
Score d'incertitude au seuil0,263

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,053
Tête enseignante GPT0,295
Écart entre enseignants0,242 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of BiotechnologyMême sujetPharmaceutical Economics and PolicyTravaux en français237 207