Notice bibliographique
Résumé
Over half a century ago, Alan Turing proposed "the Imitation Game" as a test of whether machines such as digital computers can be said to think.Subsequent discussion of Turing tests -human-machine interactions that are importantly similar to Turing's original Imitation Game -has been limited in its understanding of what they are good for, viewing them as good either for prompting philosophical reflection on the limits of our concept of the mental or for addressing empirical questions about the machines involved in human-machine interactions.This project is an attempt to expand our understanding of what Turing tests are good for: my novel proposal is that they are good for addressing empirical questions about the humans involved in human-machine interactions.More simply put, I argue Turing tests are useful not merely as conceptual prompts or nonreflexive experimental apparatus, but as reflexive experimental apparatus.I begin with an examination of Turing's own work and of the subsequent discussion's limited understanding of the usefulness of Turing tests as either conceptual prompts or nonreflexive experimental apparatus.I then lay out the key elements of my novel proposal that they are useful as reflexive experimental apparatus.Finally, I offer a "proof of concept" for this novel proposal by describing and discussing the results of one preliminary attempt to use Turing tests as reflexive experimental apparatus.to making our experiment even more comprehensive than it would have been had I designed it alone.Each of them has my sincerest thanks.I also wish to thank Cassandra Ommerli for her early contributions to the project.Cassandra did not work with us for long, but her early contributions to the team are much
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 | 0,024 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,028 |
| Communication savante | 0,005 | 0,016 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».