Pourquoi et comment doit-on tenir compte des neurosciences en éthique ?
Notice bibliographique
Résumé
Un débat est présentement en cours sur l’opportunité ou non d’établir des liens entre l’éthique et les neurosciences. À première vue, cette proposition remet en question une conception traditionnelle de l’éthique qui se distingue des sciences empiriques. Elle semble, entre autres, suggérer une façon déterministe et réductionniste de voir l’éthique. Nous soutenons dans cet article que, contrairement à ce que laissent entendre certaines critiques, les neurosciences peuvent être pertinentes pour l’éthique. Cinq arguments contre l’apport des neurosciences en éthique sont présentés et discutés (déterminisme, paralogisme naturaliste, dualisme, réductionnisme et hégémonie de l’objectivité). Nous soutenons que ces arguments n’impliquent pas l’impossibilité d’intégrer les neurosciences en éthique, sinon qu’ils suggèrent des façons plus nuancées de le faire. Suivant cette discussion, nous présentons une approche neurophilosophique émergentiste et interdisciplinaire qui se distingue de la « neurophilosophie de l’éthique » proposée par Patricia Churchland. Nous enchaînons ensuite avec la présentation d’un secteur de recherche en neurosciences (neurosciences du raisonnement moral et des émotions morales) qui illustrent l’intérêt de l’approche proposée. L’article conclut en présentant quelques commentaires critiques.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,028 |
| Communication savante | 0,010 | 0,016 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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.
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 ».