Information génétique : qualification et communication en droit québécois
Bibliographic record
Abstract
De toute l’information au sujet d’une personne, celle qui l’identifie et la distingue des autres est nécessaire. Celle qui révèle ses aptitudes et ses déficiences est habituellement gardée secrète. Celle qui déterminerait ses prédispositions futures à une maladie est très intime. Or, aucune donnée n’est plus révélatrice que l’information de nature génétique. Elle offre à notre société des espoirs réels en matière de traitement et de prévention des maladies génétiques et des maladies à apparition tardive. Pourtant, dans le contexte de la communication des renseignements personnels, cette information pourrait circuler à l’insu des personnes les plus concernées et les plus susceptibles de bénéficier de la connaissance des données génétiques. À l’inverse, des tierces personnes pourraient utiliser cette information dans des prises de décisions individuelles importantes. C’est pourquoi nous devons repenser aux critères d’accès et de divulgation actuels et prendre davantage en considération la nature de l’information que le détenteur de cette information. Le type d’information définira le degré de protection qu’elle mérite. C’est ainsi que l’information de nature génétique sera mieux maîtrisée par les personnes qu’elle concerne intimement.
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 | 0.006 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.011 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.028 | 0.003 |
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".