MétaCan
Menu
Retour à la cohorte
Enregistrement W2669641018 · doi:10.22323/2.11040202

Synthetic biology in the Science Café: what have we learned about public engagement?

2012· article· en· W2669641018 sur OpenAlexfundaboutno aff
Erin L. Navid, Edna Einsiedel

Notice bibliographique

RevueJournal of Science Communication · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensnon disponible
Organismes subventionnairesGenome AlbertaGenome Canada
Mots-clésPublic engagementScience communicationCitizen scienceSynthetic biologyEngineering ethicsPublic relationsNanotechnologyPolitical scienceSociologyScience educationEngineeringPhysicsBiologyBioinformaticsPedagogy

Résumé

récupéré en direct d'OpenAlex

Engaging the public on emerging science technologies has often presented challenges. People may hold notions that science is too complicated for them to understand and the venues at which science is discussed are formal and perceived as inaccessible. One approach to address these challenges is through the Science Café, or Café Scientifique. We conducted five Science Cafés across Canada to gauge public awareness of synthetic biology technology, its potential applications, and to evaluate the effectiveness of the Science Café platform as a knowledge-translation tool. Café participants were excited about the potential benefits of synthetic biology technology, but also concerned about the potential risks. And while participants trusted scientists to carry out their research, there was limited confidence that regulators would ensure public safety. Science Cafés as a forum for science to meet society were viewed positively for the relaxed atmosphere, small crowd size and informality of the venue. We conclude that Science Cafés are an effective upstream engagement platform for discussing emerging science technologies.

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)0,050
score de la tête « metaresearch » (Gemma)0,098
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,266

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0500,098
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0130,011
Communication savante0,0190,027
Science ouverte0,0020,010
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,191
Tête enseignante GPT0,433
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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
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

Citations24
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Science CommunicationMême sujetMisinformation and Its ImpactsTravaux en français237 207