Bibliographic record
Abstract
En 1991, un employé du Ministère canadien de l’agriculture et de l’agroalimentaire récolte, en Chine, des semences de la plante de stévia. Il les séquence puis dépose les données obtenues sur la banque de séquences d’ADN étasunienne GenBank ®. Ces données seront utilisées, une décennie plus tard, par une entreprise de biotechnologie suisse, pour développer une souche de levure capable de sécreter, avec un meilleur rendement, l’édulcorant naturellement contenu dans la plante de stévia. Plusieurs brevets seront obtenus par la firme. En 2015, des ONG dénoncent l’appropriation de savoirs traditionnels détenus par des populations amérindiennes sur la plante de stévia, en violation des traités sur l’accès aux ressources génétiques et le partage juste et équitable des avantages découlant de leur utilisation (APA), à savoir la Convention sur la diversité biologique et le Protocole de Nagoya. Face à de tels processus, qui détient quels droits sur les organismes, l’ADN qu’ils contiennent, les données extraites de cet ADN et les connaissances traditionnelles ou techniques produites ? Mis en oeuvre depuis près de trente ans pour apporter une solution à ces problèmes, le régime sur l’APA peine, en pratique, à y répondre. Cet ouvrage explore les stratégies des États, des multinationales, des acteurs de la recherche publique, des institutions de conservation des ressources génétiques et des ONG, face aux droits de propriété et à ce régime sur l’APA, fragmenté, encore instable et souvent instrumentalisé. Il propose des pistes d’amélioration, en testant une proposition de régime alternatif et en formulant une série de recommandations.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.928 | 0.995 |
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; both teacher heads agree on what is shown here.
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".