DataSheet1_The Geographies and Politics of Gene Editing: Framing Debates Across Seven Countries.docx
Notice bibliographique
Résumé
<p>This article traces the contours and dynamics of the debates about the politics of gene editing. It does so by providing both a quantitative and qualitative analysis of the publications on the topic. We present a scientometric analysis of scientific publications; we discuss the geographies of gene editing by analysing the scales and spatial terms mobilised; and we undertake a lexicometric analysis of how debates are framed and the public is positioned. Our scientometric analysis of scientific articles shows that the governance and regulation of gene editing is discussed across an increasing range of disciplines and countries over the years. Along with this internationalisation and “transdisciplinarisation,” we see a qualitative shift in the “grounding” of the debate: while initially, authors tend to reflect about gene editing, in more recent years, there are increasing calls to act upon current knowledge. Across the countries we studied (the United States, the United Kingdom, Germany, China, Australia, Japan, and Canada) our lexicometric analysis shows only a few differences in terms of how gene editing is discussed. While the general framing of the debate is widely shared, the differences that we observe concern for instance the applications or benefits of gene editing and the ways in which the importance of involving the public is worded. We hold that bringing together multiple methods allows a rich and multifaceted discussion of the politics of gene editing, and that this opens up fertile dialogues between geography, sociology and political science.</p>
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 | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,070 | 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 ».