Epigenomic Stories: Evidence of Harm and the Social Justice Promises and Perils of Environmental Epigenetics
Notice bibliographique
Résumé
This article develops the concept of epigenomic stories to analyze how scientists describe and study the relationships between environmental epigenetics, health inequities, and social justice. Based on a multisited ethnography of epigenetic knowledge production and its circulation across laboratories, clinics, and communities in the United States and Canada between 2016 and 2021, we build on Black feminist and science studies scholarship to convey the racial, gender, and epistemic consequences of epigenomic stories. We argue that these stories reflect how scientists position epigenetics as a way of providing biological evidence of social harms and shifting responsibilities from individuals to broader structures. Yet these stories also reflect the limits of epigenetic methods and models in effectively capturing and addressing lived experiences of oppression. Thus, while scientists envision epigenetics as a resource for social change, they do so in ways that privilege biological ways of knowing. In analyzing the values and power relations embedded in these practices, we argue that epigenomic stories reflect what is at stake socially, politically, and materially when we tell stories with science. We contend that efforts to mobilize epigenetic knowledge for social justice must therefore center marginalized peoples’ knowledge and experiences and address how racism and sexism shape science and its social consequences.
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 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,039 |
| Communication savante | 0,006 | 0,013 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».