MétaCan
Menu
Retour à la cohorte
Enregistrement W2477333637 · doi:10.1017/cbo9780511973499.005

FROM COST–BENEFIT ANALYSIS TO ETHICS

2011· book-chapter· en· W2477333637 sur OpenAlexaff
Peter Penz, Jay Drydyk, Pablo S. Bose

Notice bibliographique

RevueCambridge University Press eBooks · 2011
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueEpistemology, Ethics, and Metaphysics
Établissements canadiensCarleton UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésSociologyBusiness

Résumé

récupéré en direct d'OpenAlex

In the chapters of Part II, we attempt to identify ethical requirements that responsible development must meet, in relation to displacement and resettlement. For two reasons, we begin with cost–benefit analysis: as the most commonly used tool for evaluating development projects, it has an unavoidable ethical component; and its consequentialist approach to human welfare identifies an issue of distributive justice that is central to displacement – namely, compensation. Our leading question is whether cost–benefit analysis is adequate in taking account of the ethical issues in displacement by development. The answer turns out to be no, essentially because cost–benefit has been developed as an aggregative public-interest test (based on a conception of ‘social efficiency’) generally banning distributive justice (‘equity’) from cost–benefit analysis to the realm of political concerns. Efforts to incorporate the latter will be shown to have failed. And yet cost–benefit analysis turns out to be illuminating even with respect to distributive justice, because of its focus on compensation. It measures social costs in terms of the compensation that would be required to offset them. This means that cost–benefit analysis recognizes displacement as a social cost to be minimized, but compensation is applied only hypothetically, as an accounting method in the aggregation of costs and benefits. Still, it readily provides a signpost to a distributive-justice argument for actual compensation.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,010
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,011
Communication savante0,0050,007
Science ouverte0,0010,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,128
Tête enseignante GPT0,247
Écart entre enseignants0,119 · 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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetEpistemology, Ethics, and MetaphysicsTravaux en français237 207