Diff erent Uses, Diff erent Responses: Exploring Emergent Cultural Values Through Public Deliberation
Notice bibliographique
Résumé
A meta-analysis by CNS-UCSB researchers of all 22 published quantitative public surveys with the necessary data points for comparison from 2002 to 2009 in the United States, Canada, Europe, and Japan found ongoing low levels of public familiarity with generic “nanotechnology,” with benefi ts viewed as outweighing risks by 3 to 1, but also a large (44.1 percent) minority who had not yet made up their minds about benefi ts or risks (Satterfi eld, Kandlikar, Beaudrie, Conti, & Harthorn, 2009). In public surveys, attitudes toward nanotechnologies have been found to be infl uenced by factors such as individual risk-benefi t calculations (low concern for risks when benefi ts are high, and high concern for risks when benefi ts are low) (Currall, King, Lane, Madera, & Turner, 2006), cognitive shortcuts provided by the media (Scheufele & Lewenstein, 2005), pro-tech cultural views (Gaskell, Eyck, Jackson, & Veltri, 2005), and pro-tech individual views (Priest, 2006). Other surveys have focused more specifi cally on the infl uence of peoples’ emotions and values, with Lee, Scheufele, and Lewenstein (2005) fi nding that aff ective reactions can override knowledge in the formation of risk/benefi t perceptions of nanotechnologies, and Kahan (2008) arguing perceptions are informed by underlying individual values, making individual cultural and political dispositions key factors in the formation of risk/benefi t perceptions, particularly for people with uninformed views about nanotechnologies (see also Kahan, Braman, Gastil, Slovic, & Mertz, 2007). More recent surveys have examined the infl uence of religion on views of technologies like nanotechnology that may be perceived as interfering with or violating nature (Scheufele, Corley, Shih, Dalrymple, & Ho, 2008; Vandermoere, Blanchemanche, Bieberstein, Marette, & Roosen, 2010).
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 | 0,221 | 0,335 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,013 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».