Expert Views on Communicating Genetic Technology Used in Agriculture
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The use of genetic technology in agriculture is viewed by some as the next frontier of farming but others may view it as a threat. The aim of the current study was to describe the views of experts working in agricultural genetics regarding how best to communicate genetic technology with a broader audience (e.g., clientele, the public). We recruited 10 experts working in roles that involve communication about genetic technology in agriculture. Using semi-structured interviews, we asked participants to describe how they discuss this technology, who they discuss it with, and their thoughts on the involvement of various stakeholders in these discussions. Interview transcripts were subjected to thematic analysis and participant responses were organized into three themes: 1) Communicating and framing genetic technology, including discussing risks, benefits, and applications, distinguishing technology from other similar technologies, and engaging in value-based discussions; 2) Challenges of public communication, including misinformation and opposing opinions, conflation with older technologies, and balancing information provision; and 3) Stakeholder involvement in discussions, which included views on how different groups (e.g., activists, farmers, and scientists) should be included in discussions, and who is best suited to discuss genetic technology with the public. We conclude that leaders in agricultural genetics engage in a variety of approaches to communicate genetic technology, using different frames that they feel are likely to appeal to their audience, and differ in their opinions of who should be involved in these discussions.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle