From goodness to good looks: Changing images of human germline genetic modification
Notice bibliographique
Résumé
When writing about deliberate changes to the human germline, bioethicists tend not to discuss the modification of specific genes and instead refer to broader concepts like making people smarter, taller, or longer-lived. Only a limited number of these traits are mentioned regularly in the literature. Examples like health and intelligence appear frequently at all stages of the germline modification discourse, but the third most frequently mentioned trait has shifted over time. Prior to the early 1980s, publications discussed giving humans a kinder temperament significantly more often than cosmetic modifications, while more recent works reverse the frequency of these traits. Contributing factors likely include a greater focus on individual decision-making, combined with the increasing uptake of real-world reproductive technologies like IVF and gamete donation. This shifting imagery could have a profound influence on the way scholars develop arguments about gene editing since cosmetic modifications are generally viewed more negatively and considered less relevant to the identity of future people. In comparison with earlier images of germline modification, they also suggest a more contemporary, Western, and politically liberal social context for gene editing technology. Examining how authors move between writing about different traits can also help us to be aware of the traits that are arbitrarily omitted from the discourse and to consider our preparedness for unexpected kinds of modification.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,051 |
| Communication savante | 0,013 | 0,011 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,009 |
| 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 ».