MétaCan
Menu
Retour à la cohorte
Enregistrement W3011385598 · doi:10.1111/jwip.12151

Implications of biological information digitization: Access and benefit sharing of plant genetic resources

2020· article· en· W3011385598 sur OpenAlexaff
Stuart J. Smyth, Diego Maximiliano Macall, Peter W.B. Phillips, Jeremy de Beer

Notice bibliographique

RevueThe Journal of World Intellectual Property · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of OttawaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésDigitizationGenetic resourcesIntellectual propertyTransformative learningDecoupling (probability)Corporate governanceKnowledge managementValue (mathematics)Information sharingBusinessComputer scienceWorld Wide WebSociologyBiotechnologyEngineeringTelecommunicationsBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The decoupling of biological information from its material source has changed debates about global access and benefit sharing (ABS) of genetic resources. What does the digitization of biological information imply for genetic resources of proven and potential value? What implications does digital sequence information (DSI) have for individuals and groups, who have invested time and effort in augmenting and refining valuable characteristics in genetic resources? Stakeholders discussing this issue in various international fora unanimously acknowledge there are currently more questions than answers. Online digital publicly accessible resources represent a transformative technological shift, resulting in intellectual property governance gaps. This article provides interdisciplinary perspectives on options available to governments to continue advancing the goals of ABS, when physical access to genetic resources is no longer needed because DSI is readily accessible. It envisions four governance scenarios.

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)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,020
Communication savante0,0160,017
Science ouverte0,0020,013
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,036
Tête enseignante GPT0,279
Écart entre enseignants0,244 · 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'étudeThéorique ou conceptuel
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

Citations34
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of World Intellectual PropertyMême sujetCRISPR and Genetic EngineeringTravaux en français237 207