MétaCan
Menu
Retour à la cohorte
Enregistrement W4387941871 · doi:10.1564/v34_aug_08

Gene Edited Seeds

2023· article· en· W4387941871 sur OpenAlexaboutno aff

Notice bibliographique

RevueOutlooks on Pest Management · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant tissue culture and regeneration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEuropean unionPejorativeLegislationBiotechnologyEnvironmental ethicsHarmGenetically modified organismFace (sociological concept)BiologyOrganismQuarter (Canadian coin)Political scienceHistoryLawGeneticsBusinessSociologyGeneSocial sciencePhilosophyInternational trade

Résumé

récupéré en direct d'OpenAlex

The European Union is finally coming around to gene-edited seeds For a quarter century, activists such as Vandana Shiva have opposed GM crops that can help feed the world. Now, more than ever, it is time to reject their Luddite demands. In 2021, the European Union announced that it would be reviewing its 2001-era legislation governing genetically modified (GM) organisms, so as to properly account for the recent development of “gene-edited” crops, which are produced using what is known as New Genomic Techniques (NGT). To laypeople, the distinction between the various technology types may seem obscure. But from a scientific point of view, the difference is significant. Genetically modified organisms ‐ also known as transgenic organisms, or GMOs ‐ have been around since the 1990s. Many well-known GMOs have been developed by combining DNA from different types of organisms, a process that has aroused fears of “frankenfoods” (a pejorative term coined three decades ago by Boston College professor Paul Lewis, who wrote that if they want to sell us Frankenfood, perhaps it is time to gather the villagers, light some torches and head to the castle. By contrast, NGTs allow scientists to manipulate specific regions of a genome directly ‐ so as to reduce the need for pesticides, resist disease, boost yields, or enhance resilience in the face of climate change ‐ without importing genetic material from outside sources.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,238
Écart entre enseignants0,226 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOutlooks on Pest ManagementMême sujetPlant tissue culture and regenerationTravaux en français237 207