Les NBIC (nanotechnologies, biotechnologies, technologies de l'information et sciences cognitives) pour l'amélioration humaine : y a-t-il une limite? : étude de la problématique scientifique et éthique
Bibliographic record
Abstract
Le développement des nanotechnologies, plus précisément le développement des NBIC (les nanotechnologies [N], les biotechnologies [B], les technologies de l'information [I] et les sciences cognitives [C]), est un sujet qui est en effervescence depuis déjà un bon moment. Mais, il est aussi reconnu que ces nanotechnologies sont très peu connues à ce jour. Alors, comment peut-on définir les limites d'une technologie qui a à peine vu le jour? \n \nSuivant cette idée, ce mémoire qui s'inscrit dans le cadre d'un projet de recherche en cours à l'UQAC traite des limites scientifiques et éthiques qui apparaissent dans la littérature. Ses objectifs sont de ; 1) clarifier l'univers des nanotechnologies pour trouver les limites scientifiques possibles et probables, 2) analyser les conséquences (impacts et risques) de la convergence des NBIC pour faire ressortir les limites éthiques qui pourraient mettre un frein à ce développement et 3) proposer une synthèse de ces deux questions pour dégager des relations possibles entre ces différents types de limites d'où pourraient résulter un dialogue interdisciplinaire. \n \nL'approche analytique préconisée est essentiellement qualitative. Les données utilisées ont été extraites au moyen d'une grille d'analyse d'impacts et d'acceptabilité développée par le Groupe de Recherche Interdisciplinaire InterNE3LS. \n \nEn plus de dresser le profil des limites scientifiques et éthiques possibles, cette recherche propose une réflexion sur les relations possibles entre ces deux types de limites afin d'éclairer un chemin où le dialogue interdisciplinaire pourrait devenir une voie pour encadrer le développement des NBIC et définir les limites souhaitables.
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 | 0.007 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.012 | 0.016 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.022 | 0.006 |
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".