MétaCan
Menu
Retour à la cohorte
Enregistrement W4308623246 · doi:10.1371/journal.pone.0275454

Public attitudes towards neurotechnology: Findings from two experiments concerning Brain Stimulation Devices (BSDs) and Brain-Computer Interfaces (BCIs)

2022· article· en· W4308623246 sur OpenAlexaff
Sebastian Sattler, Dana Pietralla

Notice bibliographique

RevuePLoS ONE · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroethics, Human Enhancement, Biomedical Innovations
Établissements canadiensMontreal Clinical Research Institute
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésBrain–computer interfaceNeuroscienceStimulationBrain activity and meditationBrain stimulationPsychologyElectroencephalography

Résumé

récupéré en direct d'OpenAlex

This study contributes to the emerging literature on public perceptions of neurotechnological devices (NTDs) in their medical and non-medical applications, depending on their invasiveness, framing effects, and interindividual differences related to personal needs and values. We conducted two web-based between-subject experiments (2×2×2) using a representative, nation-wide sample of the adult population in Germany. Using vignettes describing how two NTDs, brain stimulation devices (BSDs; NExperiment 1 = 1,090) and brain-computer interfaces (BCIs; NExperiment 2 = 1,089), function, we randomly varied the purpose (treatment vs. enhancement) and invasiveness (noninvasive vs. invasive) of the NTD, and assessed framing effects (variable order of assessing moral acceptability first vs. willingness to use first). We found a moderate moral acceptance and willingness to use BSDs and BCIs. Respondents preferred treatment over enhancement purposes and noninvasive over invasive devices. We also found a framing effect and explored the role of personal characteristics as indicators of personal needs and values (e.g., stress, religiosity, and gender). Our results suggest that the future demand for BSDs or BCIs may depend on the purpose, invasiveness, and personal needs and values. These insights can inform technology developers about the public's needs and concerns, and enrich legal and ethical debates.

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)0,018
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,047
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,247
Tête enseignante GPT0,346
Écart entre enseignants0,099 · 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'étudeObservationnel
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

Citations36
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetNeuroethics, Human Enhancement, Biomedical InnovationsTravaux en français237 207