MétaCan
Menu
Retour à la cohorte
Enregistrement W4309075209 · doi:10.1080/23251042.2022.2144476

Should we adapt nature to climate change? Weighing the risks of selective breeding in Pacific salmon

2022· article· en· W4309075209 sur OpenAlexafffund
Valerie Berseth

Notice bibliographique

RevueEnvironmental Sociology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaGenome Canada
Mots-clésPsychological interventionWildlifeWildnessContext (archaeology)Environmental ethicsOpposition (politics)Climate changeEnvironmental resource managementEnvironmental planningPolitical scienceGeographyEcologyPsychologyBiologyPoliticsEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This paper uses the case of genomics-assisted selective breeding in Pacific salmon hatcheries to investigate how people weigh the risks of adapting nature to changing climate conditions. Drawing on 105 interviews with people involved in salmon management, this study embeds risk assessments of selective breeding in the context of present interventions into salmon life cycles. While responses to novel technologies are frequently plotted along a support-opposition continuum, the debate over selective breeding Pacific salmon is multivalent, with respondents supporting selective breeding in some contexts while opposing it in others. Nearly half of respondents supported selective breeding to fix the mistakes of past interventions and rewild salmon. Given that past problems have stemmed from technological responses, these findings paradoxically suggest that further interventions may not necessarily be perceived as violating values of naturalness or wildness. Genomic technologies offer new pathways for climate adaptation. In doing so, they expand ethical debates about the role of humans and novel technologies in conserving and managing wildlife.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,423
Tête enseignante GPT0,443
Écart entre enseignants0,020 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental SociologyMême sujetClimate Change Communication and PerceptionTravaux en français237 207