Social Acceptability of Cisgenic Plants: Public Perception, Consumer Preferences, and Legal Regulation
Notice bibliographique
Résumé
Abstract Part of the rationale behind the introduction of the term cisgenesis was the expectation that due to the “more natural” character of the genetic modification, cisgenic plants would be socially more acceptable than transgenic ones. This chapter assesses whether this expectation was justified. It thereby addresses three arenas of social acceptability: public perception, consumer preferences, and legal regulation. Discussing and comparing recent studies from four geographical areas across the globe—Europe, North America, Japan, and Australia and New Zealand—the chapter shows that the expectation was justified, and that cisgenic plants are treated as being more acceptable than other forms of genetic modification. Yet, there are considerable differences across the three arenas of social acceptability. In Australia, Canada, and the United States of America, the legal regulation of cisgenic plants is less restrictive than in Europe, Japan, and New Zealand. Also, the public perceptions are rather diverse across these countries, as are the factors that are deemed most influential in informing public opinion and consumer decisions. While people in North America appear to be most interested in individual benefits of the products (improved quality, health aspects), Europeans are more likely to accept cisgenic plants and derived products if they have a proven environmental benefit. In New Zealand, in contrast, the potential impact of cisgenic plants on other, more or less related markets, like meat export and tourism, is heavily debated. We conclude with some remarks about a possible new arrangement between science and policy that may come about with a new, or homogenized, international regulatory regime.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».