Bør eutanasi legaliseres i Norge? Should Euthanasia be legalized in Norway?
Bibliographic record
Abstract
Enkelte svært syke mennesker ønsker hjelp til å dø. I land det er naturlig for Norge å sammenligne seg med, som Nederland, Belgia og Canada, er ulike former for dødshjelp legalisert. I denne oppgaven diskuterer jeg om frivillig, aktiv eutanasi er moralsk tillatelig og om Norge burde legalisere det. I Norge har det aldri vært en stor offentlig debatt om dette, og forsøk på å vekke en slik debatt har blitt møtt av stor enighet om at eutanasi fortsatt skal være forbudt. Utviklingen av medisinske behandlingsmuligheter og teknologi innebærer imidlertid at betingelsene for liv og død er endret, og det synes derfor rimelig å ta tidligere tiders moralske intuisjoner opp til ny vurdering. I oppgaven presenterer og drøfter jeg en rekke filosofiske og politiske argumenter som ofte fremføres mot eutanasi: verdighetsargumenter, at palliativ behandling er et godt nok alternativ til eutanasi, at det er verre å drepe enn å la dø, at eutanasi strider mot legens etiske mandat, skråplanseffekten, at eutanasi som legalt alternativ kan gjøre at pasienten føler seg som en byrde og diskrimineringsargumentet. Mot dette vurderer jeg argumenter knyttet til retten til selvbestemmelse og individets frihet til selv å avgjøre om livet er verdt å leve, og går gjennom erfaringer fra land som har legalisert eutanasi, først og fremst Nederland og Belgia. Jeg konkluderer med at eutanasi er moralsk tillatelig og bør legaliseres i Norge.
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 | 0.029 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 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".