Bibliographic record
Abstract
La technologie est une manière pour la science d’exprimer son côté pratique en plus d’être un moyen de traduire les connaissances lors de vraies applications scientifiques, mais ce processus peut engendrer une variété de défis moraux et éthiques. Le champ des biotechnologies laisse entrevoir de grandes réalisations pour les sociétés, y compris des traitements médicaux révolutionnaires et des aliments modifiés génétiquement, lesquels seraient sécuritaires, accessibles et largement disponibles. Mais peu de produits ont réussi le saut dans le panier du consommateur. Dans un des domaines d’application les plus prometteurs, tel celui des biotechnologies agricoles, certaines technologies n’ont pas encore entièrement émergé des laboratoires et ces produits, qui sont à l’heure actuelle sur le marché, ont été la source de polémiques significatives. L’étude présente se concentre sur le cas des vaccins faits à partir de plantes transgéniques qui, au cours des 15 dernières années, a peine à passer outre l’étape de la preuve de conception. Ces vaccins stagnent là où ils auraient dû accomplir la « promesse d’or » de fournir à bas coût une inoculation efficace pour les populations pauvres des pays en voie de développement. La question examinée dans cet essai est pourquoi, au-delà du processus de la découverte et de la conceptualisation, de telles technologies éprouvent des difficultés à atteindre leur maturité et ainsi retarde l’implantation dans les sociétés contemporaines ? Quels facteurs particuliers, sous l’angle de la bioéthique, auront besoin d’une reconsidération dans le cas échéant d’une mise en application de ces technologies pour être acceptées par les consommateurs, et avoir ainsi un impact positif sur la santé globale et l’accès équitable aux soins de santé ?
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.023 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.029 |
| Scholarly communication | 0.018 | 0.010 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.006 | 0.006 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".