Risk Interpretation of Chemical Contamination: Policy Decisions vs Scientific Conclusions
Notice bibliographique
Résumé
Abstract: Understanding the risks of chemical pollution has emerged as an urgent and indisputable concern of the 21st century, laden with insurmountable knowledge gaps. Rural areas are often disproportionately burdened by chemical contamination with insufficient resources to mitigate it. Given the exponential growth of synthetic compounds since Industrial Revolution, the rate of their environmental loading and the complexity of their intra- and inter-actions within the ecosystems, it is impossible to fully identify, categorise and aggregate all individual risks from all combinations of hazards, their pathways and targets. At best, it is possible to create approximations which are inherently encumbered with uncertainty. Risk and uncertainty are the fundamental themes of contamination discourses, and they standardize diverse environmental assessments which predicate all environmental intervention and management practices. As culture significantly influences scientific thought, likewise, risk as an ontological reality is largely understood through epistemic interpretive frames which emerge through multiple social processes. Decisions related to risk are not about risk alone, they pertain to choices among options which are made within social settings and express the values of those who decide the relative importance of different possible adverse consequences of a particular decision. Here we investigate the extent to which the value judgements of political decisions and scientific conclusions shape risk management outcomes in modern contamination contexts. We demonstrate that modern contamination risk management frameworks must be re-evaluated with respect to the value judgements and social processes within which they interpret scientific conclusions towards more robust and equitable pollution control.
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 | 0,034 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,032 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».