MétaCan
Menu
Retour à la cohorte
Enregistrement W3119718785 · doi:10.7551/mitpress/9581.003.0006

Semantic Stipulation and Knowledge De Re

2012· book-chapter· en· W3119718785 sur OpenAlexfundno aff
Chris Tillman, Joshua Spencer

Notice bibliographique

RevueThe MIT Press eBooks · 2012
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueLogic, Reasoning, and Knowledge
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of ManitobaUniversity of Winnipeg
Mots-clésStipulationComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Kripke's discussion in Naming and Necessity strongly suggests that semantic stipulation allows us to have new de re thoughts and make new de re claims. For example, it seems we could name the winning ticket in the next lottery 'Tickie' and thereby come to have singular thoughts about Tickie as opposed to merely general thoughts about the winning ticket (whichever one that is). This, in turn, seems to put us into a position to know that Tickie is the winning ticket. If so, it seems we now know which ticket will win the lottery. So it seems semantic stipulation puts us in a position to have all sorts of knowledge that, intuitively, we don't have. We argue that semantic stipulation does put you in a position to have new singular thoughts, though those thoughts will usually be informationally isolated. We think you also typically know these singular propositions, but it is misleading for you to say that you do since you typically cannot act on your knowledge in the expected way. On the other hand, since you can't act on the information in the right way, perhaps your knowledge is thwarted. If so, you don't know Tickie will win since you can't act on that information in order to (e.g.) buy Tickie and no other ticket. We develop both views and argue that they are preferable to the alternatives.

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)0,008
score de la tête « metaresearch » (Gemma)0,007
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,022
Communication savante0,0050,020
Science ouverte0,0030,006
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,054
Tête enseignante GPT0,257
Écart entre enseignants0,203 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe MIT Press eBooksMême sujetLogic, Reasoning, and KnowledgeTravaux en français237 207