Les enjeux du consentement dans un contexte d’inaptitude : une étude de la portée
Bibliographic record
Abstract
Les personnes déclarées ou présumées inaptes sont souvent exclues et sous représentées dans les recherches. Or, leur participation pourrait avoir des retombées positives, tant sur le plan individuel que collectif, grâce à leur implication dans le développement de connaissances et de solutions mieux adaptées à leur réalité. Cet article s’intéresse aux principaux enjeux du consentement en contexte de recherche auprès de populations juridiquement considérées comme inaptes à consentir ou dont l’aptitude à consentir est incertaine, en réalisant une recension d’écrits de type étude de la portée (scoping review). Les études recensées permettent d’identifier deux perspectives différentes concernant le consentement : l’une met de l’avant le consentement comme choix rationnel et l’autre s’inscrit dans une conception relationnelle de l’autonomie. Cet article permet de mettre en lumière les principaux enjeux entourant l’évaluation de la capacité à consentir en contexte d’inaptitude. Il permet aussi de dégager des avenues potentielles pour adapter les pratiques de recherche aux réalités et aux besoins de personnes déclarées ou présumées inaptes et ainsi, favoriser leur inclusion, mais aussi leur participation sociale.
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 | 0.076 | 0.137 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.006 | 0.017 |
| Scholarly communication | 0.015 | 0.019 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.005 | 0.007 |
| 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".