Notice bibliographique
Résumé
Human intelligence is something of a minefield. Here, I mean ‘intelligence’ in the sense of intellectual ability, and not in the sense of secret information collected by spies—although that too is a minefield. The very concept of intelligence, as a dimension that differentiates between people, has long been used as a basis for discrimination, whether in education or employment, and more broadly for asserting differences between races. Since we humans possess brains that are some three times as large as those of our closest living relatives, the great apes, it has also widely been held that brain size itself must be an index of intellectual capacity. As long ago as 1836, the German anatomist Frederick Tiedmann wrote that there exists ‘an indisputable connection between the size of the brain and the mental energy displayed by the individual man’, and in 1839 the American physician Samuel George Morton wrote a treatise in which he compared the skulls of various racial groups, with the aim of drawing conclusions about their intellectual capacities (Morton, 1839). Not surprisingly, he declared Caucasians to have the largest brains and superior intellect, followed in turn by Asians, Native Americans and ‘Negroes’. Morton's views were widely used to justify slavery, at least until it was abolished in the USA in 1865, although racial segregation was advocated well into the 20th century. Such claims were roundly debunked by Stephen Jay Gould in his 1981 book The Mismeasure of Man , but this has not prevented claims of racial difference from rippling on. An extreme example is that of the Canadian psychologist J. Philippe Rushton, whose 1995 book Race, Evolution and Behavior purports to show systematic racial differences—although for Rushton it is East Asians, not Caucasians, who score highest, both in terms of intelligence and average brain size. Africans are …
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».