Notice bibliographique
Résumé
Humans are both brilliant and idiotic, write Steven Sloman and Phillip Fernbach at the beginning of the Knowledge Illusion. Having glanced at the newspaper before sitting down to write this, where a tribute to the late, great novelist, Toni Morrison, appears alongside an article about Boris Johnson's Brexit "plans", this seemed all too obvious. Sloman and Fernbach themselves concede that, for the most part, their book is simply stating the obvious: we don't know as much as we think we do; we mistake the knowledge of others for our own; our reasoning is primarily causal, but our causal models are shallow and often wrong. Nevertheless, like many ideas, they say, these ones seem obvious only because we've been made to think about them. When we don't think about them which is to say, most of the time we fall prey continually to these "obvious" errors. Most of these errors are largely inconsequential discovering we don't really know how a zip, a flush toilet or a bicycle work won't stop us from using them effectively (although it's a bit more of a problem when we need to fix those that are broken) but sometimes the consequences are dire (nuclear testing accidents, plane crashes, and anti-vaccination campaigns all feature). So, what to do? Sloman and Fernbach don't pretend to have all the answers, but their exploration of our cognitive shortcomings, where they come from, and why they matter is thoughtful, provocative
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 | 0,009 | 0,018 |
| 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 | 0,006 | 0,053 |
| Communication savante | 0,017 | 0,028 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,007 |
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 ».