MétaCan
Menu
Retour à la cohorte
Enregistrement W2937931902

Speeding Up Slow Deaths: Medical Sovereignty circa 2005

2011· article· en· W2937931902 sur OpenAlexvenueno aff
Lisa Diedrich

Notice bibliographique

RevueMediaTropes · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueBiomedical Ethics and Regulation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBioethicsSovereigntyState (computer science)SociologyAssertionRelation (database)Convergence (economics)The ImaginaryLawEpistemologyPsychoanalysisPolitical sciencePsychologyPoliticsPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this essay, I take up the question of the time of medicine in relation to two events in the U.S. from 2005—the Terri Schiavo case and Hurricane Katrina and its aftermath. I consider both cases as “mediatized medical events,” that is, as events in which the practices of medicine received considerable media attention at a particular historical moment; or, we might say, as events that brought a convergence between media and medical practices. I juxtapose these two events because, placed side by side, they help make visible two stories of catastrophe, as well as the many difficulties of telling stories of catastrophe. Bringing together these seemingly divergent events allows me to draw connections that I hope will expand our bioethical imaginary beyond the reductive approaches that tend to dominate the practice of bioethics today. I also juxtapose them to signal a bioethical tension at the heart of the neoliberal state’s response to catastrophe in general, what Foucault might have diagnosed as the difference between making live and letting die. In these two events, we glimpsed—if only fleetingly—the state’s operation of making live and letting die, and medicine’s central role in that operation, as well as the re-assertion of medical sovereignty in crisis events.

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)0,013
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,039
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,013
Communication savante0,0120,008
Science ouverte0,0010,009
Intégrité de la recherche0,0130,017
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,056
Tête enseignante GPT0,282
Écart entre enseignants0,226 · 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'étudeSans objet
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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMediaTropesMême sujetBiomedical Ethics and RegulationTravaux en français237 207