MétaCan
Menu
Retour à la cohorte
Enregistrement W2237577935

Warm Bodies Using Cold Mathematics

2011· article· en· W2237577935 sur OpenAlexaff
David Wagner

Notice bibliographique

RevueAntistasis · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésArgument (complex analysis)Set (abstract data type)Mathematics educationPower (physics)DeliberationMathematicsComputer sciencePolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

ion is at the heart of mathematics. The power of mathematics in society rests on its claims to truths that transcend human subjectivity and culture. For example, for commerce to be fair it is very important that all parties agree on how to find the sum of a set of numbers. The result should not depend on how rich or poor you are or on your ethnic background. In such instances a frozen and static mathematics is a powerful tool for making convincing arguments. This is especially important in democracies, in which argument is supposed to be based on dialogue, not status. However, even when people use mathematics in deliberation (or argument), they have to decide to agree that mathematics is an appropriate tool for the problem being addressed. Furthermore, when we choose mathematics, we have to choose what to count and how to use the results of our counting. Though mathematics is cold and static, it has to be picked up and manipulated as a tool by a warm human body who makes decisions about how to apply the tool. Mathematics can be a dangerous tool for exploitation if some people know they can make choices with it and others believe that mathematics is free from human choices. Those who believe that mathematics is values-free or independent of culture are open to being manipulated by others who are savvy with their mathematics.

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)0,008
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0110,062
Communication savante0,0130,012
Science ouverte0,0010,013
Intégrité de la recherche0,0030,009
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,160
Tête enseignante GPT0,369
Écart entre enseignants0,209 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAntistasisMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207