Notice bibliographique
Résumé
Correlations and Causal Reasoning Near the end of Chapter 8, Case 8E involved the drawing of a generalization from a study that tried to establish a correlation between two things – having a busy social life and avoiding colds. Implicit in the conclusion is the causal claim that the first thing, the busy social life, caused or was a causal factor in the occurrence of the second thing, avoiding colds. The Argument from Correlation to Cause can be a reasonable argumentation scheme if it meets the correct conditions, but when these are not met, fallacious reasoning occurs. In this chapter we will concentrate upon three types of causal reasoning that can prove problematic: (1) that which involves the concluding of a causal relation from a correlation or a mere temporal sequence, (2) reasoning that confuses the causal elements involved, and (3) that which predicts a negative causal outcome for a proposal or action, perhaps on the basis of an expected causal chain. The labels we will use for these three are post hoc reasoning, Misidentified Cause, and Slippery Slope reasoning. Understanding causal reasoning and determining when it is fallacious are made difficult by the lack of any clear agreement on how to analyze the concept of causation. We will be able to detect cases in which something is clearly wrong with a causal argument, but more contentious cases will be a different matter.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,024 |
| Communication savante | 0,004 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».