“Prediscursive Epistemic Injury”: Recognizing Another Form of Epistemic Injustice?
Notice bibliographique
Résumé
This article revisits Miranda Fricker’s Epistemic Injustice (2007) through one specific aspect of Axel Honneth’s recognition theory. Taking a first cue from Honneth’s critique of the limitations of the “language-theoretic framework” in Habermas’ discourse ethics, it floats the idea that the two categories of Fricker’s groundbreaking analysis—testimonial and hermeneutical injustice—likewise lean towards a speech-based metric (equating harm to the capacities to know with compromise to the capacity to speak of what one knows). If we accept, however, that there are also implicit, preverbal, affective, and embodied ways of knowing and channels of knowledge transmission, this warrants an expansion of Fricker’s original concept. By drawing on Honneth’s recognition theory (particularly his Winnicottian-inspired account of ‘first order’ recognition and basic trust), I argue it is possible to extend the account of epistemic injustice beyond Fricker’s two central categories, to glimpse yet another register of serious “wrong done to someone specifically in their capacity as a knower.” I define this harm as prediscursive epistemic injury and offer two central cases to illustrate this additional form of epistemic injustice.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,062 |
| Communication savante | 0,006 | 0,017 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».