Falling giants and the rise of gene editing: ethics, private interests and the public good
Notice bibliographique
Résumé
This paper considers the tensions created in genomic research by public and private for-profit ideals. Our intent is to strengthen the public good at a time when doing science is strongly motivated by market possibilities and opportunities. Focusing on the emergence of gene editing, and in particular CRISPR, we consider how commercialisation encourages hype and hope-a sense that only promise and idealism can achieve progress. At this rate, genomic research reinforces structures that promote, above all else, private interests, but that may attenuate conditions for the public good of science. In the first part, we situate genomics using the aphorism that 'on the shoulders of giants we see farther'; these giants are infrastructures and research cultures rather than individual 'heroes' of science. In this respect, private initiatives are not the only pivot for successful discovery, and indeed, fascination in those could impinge upon the fundamental role of public-supported discovery. To redress these circumstances, we define the extent to which progress presupposes research strategies that are for the public good. In the second part, we use a 'falling giant' narrative to illustrate the risks of over-indulging for-profit initiatives. We therefore offer a counterpoint to commercialised science, using three identifiable 'giants'-scientists, publics and cultures-to illustrate how the public good contributes to genomic discovery.
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 | 0,017 | 0,013 |
| 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 | 0,012 | 0,089 |
| Communication savante | 0,015 | 0,015 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».