MétaCan
Menu
Retour à la cohorte
Enregistrement W2102613218 · doi:10.1371/journal.pone.0018537

Neuroethics and fMRI: Mapping a Fledgling Relationship

2011· article· en· W2102613218 sur OpenAlexafffund
Alex Garnett, Louise Whiteley, Heather Piwowar, Edie Rasmussen, Judy Illes

Notice bibliographique

RevuePLoS ONE · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroethics, Human Enhancement, Biomedical Innovations
Établissements canadiensNeuroDevNetUniversity of British Columbia
Organismes subventionnairesInstitute of Neurosciences, Mental Health and AddictionNational Institute of Mental HealthCanadian Institutes of Health ResearchBritish Columbia Knowledge Development FundNational Institutes of Health
Mots-clésNeuroethicsFunctional magnetic resonance imagingPersonhoodSalientFunction (biology)NeurolawPsychologyCognitive scienceEngineering ethicsEpistemologyNeuroscienceCognitionSocial neuroscienceSocial cognitionComputer scienceBiologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Human functional magnetic resonance imaging (fMRI) informs the understanding of the neural basis of mental function and is a key domain of ethical enquiry. It raises questions about the practice and implications of research, and reflexively informs ethics through the empirical investigation of moral judgments. It is at the centre of debate surrounding the importance of neuroscience findings for concepts such as personhood and free will, and the extent of their practical consequences. Here, we map the landscape of fMRI and neuroethics, using citation analysis to uncover salient topics. We find that this landscape is sparsely populated: despite previous calls for debate, there are few articles that discuss both fMRI and ethical, legal, or social implications (ELSI), and even fewer direct citations between the two literatures. Recognizing that practical barriers exist to integrating ELSI discussion into the research literature, we argue nonetheless that the ethical challenges of fMRI, and controversy over its conceptual and practical implications, make this essential.

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)0,006
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 enseignants0,026
Score d'incertitude au seuil0,724

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,520
Tête enseignante GPT0,312
Écart entre enseignants0,208 · 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

Citations30
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetNeuroethics, Human Enhancement, Biomedical InnovationsTravaux en français237 207