A TIME TO LIVE AND A TIME TO DIE - WHO DECIDES? CAN "THE GOOD DEATH" BE ACHIEVED WITHOUT THE NEGATIVE REPERCUSSIONS OF LEGALIZING EUTHANASIA AND ASSISTED SUICIDE FOR CANADA?
Notice bibliographique
Résumé
T he 1973 science fiction movie Soylent Green is set in New York City in 2022. Policeman Sol Roth (played by Edward G. Robinson) decides he cannot live with his knowledge about the Soylent Corporation (he discovers they are turning human remains into food and deceiving the people, to boot) and opts to “go home” – he registers at a clinic for his own death.1 A far-fetched sci-fi flick to be sure, but end-of-life decisions today are most assuredly not confined to the silver screen. There is noise to allow for more choices in public policy – even in death. From the Sue Rodriguez2 and Robert Latimer3 cases in Canada, Terri Schiavo4 in the U.S., legalized euthanasia in Holland5 and the state of Oregon6 as well as a series of private member’s bills in the House of Commons, euthanasia is a topic under discussion.7 Must legalization of euthanasia and assisted suicide be part of Canada’s future or is there a better way?
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,025 | 0,032 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,013 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».