L’épigénétique environnementale et le risque suicidaire : Reconsidérer la notion de contexte dans un style de raisonnement émergent
Bibliographic record
Abstract
L’ “épigénétique environnementale” étudie les effets potentiels de l’environnement sur l'expression des gènes à travers un ensemble de mécanismes moléculaires. Ce domaine de la recherche biologique connaît un développement rapide mais reste contesté. Il a été salué par certains spécialistes des sciences sociales à la fois comme un paradigme renversant nombre d’idées reçues concernant l'évolution et l'hérédité, mais aussi comme un signe de l'ouverture d’un espace de recherche proprement biosocial. L’épigénétique environnementale laisse toutefois sceptiques ceux qui n’y voient que la réduction de l'environnement et du contexte social – et les interventions potentielles – à l'échelle des mécanismes moléculaires. Dans cet article, nous explorons ces questions à la lumière d’une recherche ethnographique dans un groupe pluridisciplinaire de chercheurs étudiant le comportement suicidaire. Alors qu'un « style de raisonnement » spécifique émerge de leurs recherches qui molécularisent une gamme de facteurs environnementaux et les localisent dans le cerveau, nous soutenons qu’il reflète davantage, de la part des scientifiques, un « réductionnisme pragmatique » plutôt qu’une conception étroite du suicide. La construction d’explications plus complexes du risque de suicide – intensifiant l’approche interdisciplinaire – n'est en effet pas tant limitée par l'intérêt des chercheurs, que par des contraintes techniques, l’accès à des matières cérébrales spécifiques et le développement de pratiques de recherche innovantes.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.014 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".