MétaCan
Menu
Retour à la cohorte
Enregistrement W2944587303 · doi:10.1080/21645698.2019.1612689

Estimating the cost of regulating genome edited crops: expert judgment and overconfidence

2019· article· en· W2944587303 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueGM crops & food · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésOverconfidence effectContext (archaeology)Task (project management)EstimationComputer scienceBiotechnologyEconomicsPsychologyBiologyManagementSocial psychology

Résumé

récupéré en direct d'OpenAlex

Experts are often called on to inform decision makers with subjective estimates of uncertain events. Their judgment serves as the basis for policy-related decision-making. This paper analyzes survey results used to collect experts' opinions of the likely cost to bring genome edited crops to market. We also examine the effect of expertise (scientific experts versus social scientists in plant biotechnology) and possible knowledge mis-calibration, both in terms of overconfidence (i.e., when subjective knowledge is inflated) and under-confidence (i.e., when subjective knowledge is deflated), on the estimation of cost involved in the development and commercial release of genome edited crops. We found that the expected costs of genome edited crops are case specific and depend on whether crops will likely be regulated as genetically modified or accepted as conventional varieties and not subject to any regulatory oversight by federal regulators. While cost evaluation of genome edited crops did not vary among scientific and social experts, it did vary among domains of knowledge. Hence, expert's performance can be described as task-specific in the context of this study.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,578
Score d'incertitude au seuil0,609

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,072
Tête enseignante GPT0,229
Écart entre enseignants0,157 · 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