MétaCan
Menu
Retour à la cohorte
Enregistrement W1533195697 · doi:10.22329/p.v8i1.3920

Three Reasons for Knowing Other than Knowing Otherwise

2013· article· en· W1533195697 sur OpenAlexvenueno aff
José Jorge Mendoza

Notice bibliographique

RevuePhaenEx · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRace, Genetics, and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyEpistemologyComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

In Knowing Otherwise, Alexis Shotwell correctly points out that propositional knowledge (i.e., knowledge in the form of claims that are either true-or false) does not exhaust all possible ways of understanding or meaning-making.Another way that meaning can be constructed or deciphered is through what Shotwell refers to as "implicit knowledge."The main thrust of Shotwell's argument is that everyone, from philosophers to social activists, should pay closer attention to this form of knowledge because this implicit form of knowledge enjoys a kind of primacy that propositional knowledge does not.As Shotwell writes:The implicit is what provides the conditions for things to make sense to us.The implicit provides the framework through which it is possible to form propositions and also to evaluate them as true or false, and is thus instrumentally important.Implicit understanding is also non-instrumentally important.It not only helps provide the conditions for propositional work, it also occupies its own epistemic and political terrain, and in itself is vital to flourishing.That is, living well involves substantial implicit content, perhaps unspeakable but central to the felt experience of manifesting dignity, joy, and contingent freedoms.(x-xi) While this epistemological insight is not in-itself new, what distinguishes Shotwell's contribution from that of other similar projects is her insistence on a four-part division of implicit knowledge.According to Shotwell, implicit knowledge is divided into the following four categories: skill-based (i.e., practical knowledge), habitus (i.e., somatic or bodily knowing), potentially propositional (i.e., knowledge that could be, but is not yet in propositional form), and

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,636
Score d'incertitude au seuil0,648

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhaenExMême sujetRace, Genetics, and SocietyTravaux en français237 207