MétaCan
Menu
Retour à la cohorte
Enregistrement W4297976495 · doi:10.1079/cabireviews20033177376

Innovation and liability: "Oh no! what have we done?".

2003· article· en· W4297976495 sur OpenAlexaboutno aff
S. Smyth

Notice bibliographique

RevueCABI Reviews · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLiabilityGovernment (linguistics)StakeholderBusinessEmpowermentSocioeconomic statusWork (physics)Public relationsPublic economicsEconomicsEconomic growthPolitical scienceFinanceSociologyEngineeringPopulation

Résumé

récupéré en direct d'OpenAlex

Abstract This review article discusses the issues surrounding the biosafety of transgenic crops, their perception by consumers and the matter of socio-economic liability. The issue of liability management regarding transgenics would seem to be related to three key features of present day society. Firstly, consumer trust in government and industry has declined in all industrialized countries. Secondly, regulators in Canada and the United States have adamantly stuck to science-based risk assessment processes while, in Europe, regulators have tried to incorporate socioeconomic factors into the regulatory process. Thirdly, the whole concept of consumer empowerment has been badly dealt with by government, industry and, to a lesser degree, the judiciary. The stakeholders of government and industry have, for the most part, adopted the strategy of ignoring the consumer and hoping their concerns will go away. This hasn't worked and the willingness of the judiciary to hear large class action lawsuits against multinationals has forced reconsideration of this strategy. The key to socioeconomic liability management is to ensure that all stakeholders work together. Even though each stakeholder may have separate agendas, the goal needs to be consensus on the process objectives.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,007
Communication savante0,0050,006
Science ouverte0,0010,002
Intégrité de la recherche0,0050,003
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 Opus0,084
Tête enseignante GPT0,291
Écart entre enseignants0,207 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCABI ReviewsMême sujetGenetically Modified Organisms ResearchTravaux en français237 207