MétaCan
Menu
Retour à la cohorte
Enregistrement W4392346224 · doi:10.1080/23299460.2024.2304383

The need for more inclusive deliberation on ethics and governance in agricultural and food biotechnology

2024· article· en· W4392346224 sur OpenAlexaff
Catherine Kendig, Theresa Selfa, Paul Β. Thompson, Raymond Anthony, Wenda K. Bauchspies, Gwendolyn Blue, Ashmita Das, R. M. Harrison, Christopher R. Henke, Shan Jin, Jennifer Kuzma, Forbes Lipschitz, K.R. Richter, Morgan Ruelle, Timothy R. Silberg, Bruno Takahashi

Notice bibliographique

RevueJournal of Responsible Innovation · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute of Food and AgricultureU.S. Department of Agriculture
Mots-clésDeliberationAgricultural biotechnologyCorporate governanceAgriculturePolitical scienceEngineering ethicsBiotechnologyEnvironmental ethicsBiologyEconomicsManagementEngineeringPoliticsEcology

Résumé

récupéré en direct d'OpenAlex

An inclusive and socially legitimate governance structure is absent to address concerns over new agricultural biotechnologies. Establishing an agricultural bioethics commission devoted to inclusive deliberation on ethics and governance in agricultural and food biotechnology is urgent. Highlighting the social and ethical dimensions of current agricultural bioengineering disputes in the food system, we discuss how a nationally recognized policy forum could improve decision-making and increase public understanding of the issues. We clarify ways the concepts that are used to categorize food and frame governance of food affect consumer choices, and how dissemination of information and the mode of dissemination can contribute to social inequities. We cite the record of medically-oriented bioethic commissions and the history of international bioethic commissions in support of our argument, and end by discussing what such a commission dedicated to agriculture and food issues could reasonably be expected to achieve.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,204

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,034
Tête enseignante GPT0,308
Écart entre enseignants0,273 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Responsible InnovationMême sujetGenetically Modified Organisms ResearchTravaux en français237 207