Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Seeing, Doing, and Knowing is a philosophical framework for thinking about sensory systems as active devices for data extraction B rather than, in the traditional way, as passive recorders of ambient energy patterns. Sensory systems are automatic sorting machines that assign real-world objects to classes. A sense feature is the property of belonging to such a class. A sensory experience, or sensation, is a label that the system uses in order to allow the organism access to the classifications that it has performed. This Sensory Classification Thesis (SCT), discussed in Chs 1–3, inverts the normally assumed relationship between sensory classes and sensations. Philosophers standardly hold that red is to be defined in terms of the sensation of red; here, sensations derive from sensory classes and are thus unsuitable for defining them. SCT is a simplification: some sensory systems order real-world objects in relations of similarity, and do not just put them into discrete classes (Chs 4–5). SCT makes sense of sensory specialization across species—different kinds of organisms employ different classification schemes to serve their idiosyncratic data-extraction needs (Chs 6–8). This leads to an output-driven account of sensory content. Sense features are defined in terms of their aptness for epistemic (not just sensorimotor) actions, and the content of sensations in terms of the features with which they are associated by an internal convention (Chs 9–11). This leads to a form of realism: sensory classifications are correct if the states of affairs in which they consistently occur are indeed right for the actions with which they are paired. Finally, the nature of object perception is explored: Chs 12–13 speculate about the psychological origins of sensory reference and of the feeling in perception that external objects are present (by contrast, for instance, with objects depicted in paintings and photographs).
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.
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) | 0,001 | 0,001 |
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 découle