Médecine de reproduction et sélection génétique : la mise en acte d’un idéal de corporéité
Bibliographic record
Abstract
Que l’on parle de « technosemen », de « cyborg babies » ou de « techno-birth », force est de constater que le recours aux nouvelles technologies de reproduction participe d’une reconfiguration des processus biologiques. On assiste à une technicisation du corps qui entraine sa parcellisation et rend possibles son exploitation et sa commercialisation en pièces détachées. Or, la mise en valeur des substances biologiques est souvent accompagnée de leur rematérialisation dans l’imaginaire social. En nous intéressant à l’industrie du don de gamètes, nous cherchons à comprendre comment elle marchandise les substances reproductives en reconstituant le corps du donneur. La littérature est abondante sur la participation des nouvelles technologies de reproduction au renouveau identitaire et sociétal. Nous souhaitons donc décaler le regard et réfléchir sur la manière avec laquelle la sélection génétique opérée en clinique de reproduction nous révèle des schémas sociaux qui interviennent dans la dimension identitaire du corps. Dans le cadre de ce mémoire, il s’agira d’analyser les discours entourant le recrutement et la présentation des donneurs sur les sites internet de banques de gamètes au Canada et aux États-Unis. Nous montrerons que l’industrie du don de sperme et d’ovules, qui s’insère dans ce que l’on appelle la bioéconomie, participe à la reproduction d’une vision des formations sociales qui est à la fois genrée, racialisée et stratifiée par classes sociales.
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 | 0.009 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.038 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".