MétaCan
Menu
Retour à la cohorte
Enregistrement W2076049506 · doi:10.1590/s1413-81232007000500030

Ethical and scientific issues of nanotechnology in the workplace

2007· review· en· W2076049506 sur OpenAlexaff
Paul A. Schulte, Fabio Salamanca‐Buentello

Notice bibliographique

RevueCiência & Saúde Coletiva · 2007
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensOntario GenomicsHealth Canada
Organismes subventionnairesNational Institute for Occupational Safety and Health
Mots-clésAutonomyCLARITYHarmEconomic JusticeIdentification (biology)BusinessOccupational safety and healthEngineering ethicsBeneficenceEthical issuesPublic relationsRisk analysis (engineering)PsychologyMedicinePolitical scienceSocial psychologyEngineering

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 decision making 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 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)0,009
score de la tête « metaresearch » (Gemma)0,013
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: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,011
Communication savante0,0040,005
Science ouverte0,0010,002
Intégrité de la recherche0,0080,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,059
Tête enseignante GPT0,363
Écart entre enseignants0,304 · 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

Citations52
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCiência & Saúde ColetivaMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207