MétaCan
Menu
← Retour à la cohorte
Enregistrement W1701507617 · doi:10.1017/cbo9780511806544.008

THE <i>AD VERECUNDIAM</i> AND THE MISUSE OF EXPERTS

2007· book-chapter· en· W1701507617 sur OpenAlexaff
Christopher W. Tindale

Notice bibliographique

RevueCambridge University Press eBooks · 2007
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueClassical Antiquity Studies
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésAppealArgument (complex analysis)Variety (cybernetics)Political scienceEpistemologyPsychologySociologyLawPhilosophyComputer scienceMedicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Introduction The last two chapters have concentrated on ‘ ad ’ arguments, appeals to components of our experience that offer to support a variety of claims. One further ‘ ad ’ argument that deserves fuller study is ad verecundiam , or the Appeal to Authority or Expertise. The Appeal to Authority is a strategy in argument that few can avoid making. When my doctor tells me that I must make some serious lifestyle changes or else expect undesirable consequences to follow, then my deliberations in deciding whether to make such adjustments involve a direct appeal to her status as an authority. She has knowledge that I do not possess, coupled with many years of experience reviewing the symptoms of people comparable to me. In principle, I could acquire this knowledge and experience directly, but it is simply not practical for me to enter medical school and subsequent practice as a family physician. In the absence of the direct evidence that it is not practical for me to acquire, I rely on the testimony of an expert. Similar situations govern a wide range of my interactions with people or sources that are judged authorities of some description. In the extremely complex world in which we live, no one can be expected to be knowledgeable about everything that affects him and so we must necessarily rely on and trust the say-so of other people. The issue is deciding when that trust is well placed and when it is not.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,024
Communication savante0,0090,009
Science ouverte0,0010,003
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,044
Tête enseignante GPT0,263
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooks→Même sujetClassical Antiquity Studies→Travaux en français237 207→