MétaCan
Menu
Retour à la cohorte
Enregistrement W2154496432 · doi:10.1002/j.0022-0337.2006.70.11.tb04205.x

Building Moral Communities? First, Do No Harm

2006· article· en· W2154496432 sur OpenAlexaff
Shafik Dharamsi

Notice bibliographique

RevueJournal of Dental Education · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBioethicsHarmSociologyPower (physics)Context (archaeology)ConstructiveHealth carePublic relationsEnvironmental ethicsEngineering ethicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

As concern for the oral health of vulnerable populations grows, dentistry continues to seek effective ways to respond. In August 2005, Dr. Donald Patthoff and Dr. Frank Catalanotto convened a national workshop at the American Dental Association headquarters on the ethics of access to oral health care. A series of papers were produced for the workshop and subsequently revised for publication. This one responds to the paper by Dr. David Chambers on moral communities and the discursive imperative for building community and consensus around issues affecting equitable access to oral health care. I explore three interrelated issues that ought to be considered when endeavoring to build moral communities: 1) the problem of power relations-a fundamental constituent within discourse that can impede constructive efforts; 2) the discursive disconnect between theoretical ethics and social constructs affecting dentistry; and 3) the bioethical principle of nonmaleficence as a priority in the desire for building moral communities. In essence, this article responds also to the call from ethicists who see a significant need for substantive interdisciplinary contributions to inform how people at different social levels react in ethically problematic situations in its broad social context.

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)0,034
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,071
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0200,094
Communication savante0,0180,048
Science ouverte0,0030,027
Intégrité de la recherche0,0140,023
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,084
Tête enseignante GPT0,511
Écart entre enseignants0,427 · 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'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

Citations12
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dental EducationMême sujetEthics in medical practiceTravaux en français237 207