Bibliographic record
Abstract
L'intérêt ultime de cette thèse est d'étudier le pouvoir de l'ADN à partir d'une approche foucaldienne. Pour ce faire, nous avons analysé une formation discursive du discours sur l'ADN soit le débat politique lié à l'instauration de la Banque nationale de données génétiques au Canada. Concrètement, la question qui guide notre recherche est: comment le discours lié à l'instauration de la Banque nationale de données génétiques produit-il le pouvoir de l'ADN? Une analyse discursive foucaldienne des mémoires déposés au comité parlementaire étudiant le projet de loi C-3 nous a permis d'identifier certaines règles concernant les façons dont nous pouvons parler et penser l'ADN. En plus, nous avons identifié certains sujets/acteurs et pratiques institutionnelles qui sont désormais liés à l'ADN, et les façons dont le savoir de l'ADN acquiert de l'autorité. Nous avons pu avec ces résultats exposer trois effets de pouvoir qui émergent de la formation discursive analysée: la juridiciarisation de la génétique, la réduction génétique du criminel et la scientifisation de l'enquête. Cette recherche contribue à combler un manque de connaissances théoriques et empiriques sur la question de l'ADN.
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 | 0.019 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.015 | 0.029 |
| Scholarly communication | 0.020 | 0.013 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.007 | 0.009 |
| Insufficient payload (model declined to judge) | 0.014 | 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".