MétaCan
Menu
Retour à la cohorte
Enregistrement W3121497906

Less Evidence, Better Knowledge

2015· article· en· W3121497906 sur OpenAlexaboutno aff
Kenneth M. Ehrenberg

Notice bibliographique

RevuePhilPapers (PhilPapers Foundation) · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueJury Decision Making Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHearsayContextualismEpistemologyArgument (complex analysis)Context (archaeology)JuryAdmissible evidenceAttributionLawLaw and economicsPolitical sciencePhilosophySociologyPsychologySocial psychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In his 1827 work Rationale of Judicial Evidence,
\nJeremy Bentham famously argued against
\nexclusionary rules such as hearsay, preferring a
\npolicy of “universal admissibility” unless the declarant
\nis easily available. Bentham’s claim that all
\nrelevant evidence should be considered with appropriate
\ninstructions to fact finders has been particularly
\ninfluential among judges, culminating in
\nthe “principled approach” to hearsay in Canada articulated
\nin R. v. Khelawon. Furthermore, many
\nscholars attack Bentham’s argument only for ignoring
\nthe realities of juror bias, admitting universal
\nadmissibility would be the best policy for an
\nideal jury. This article uses the theory of epistemic
\ncontextualism to justify the exclusion of otherwise
\nrelevant evidence, and even reliable hearsay, on
\nthe basis of preventing shifts in the epistemic context.
\nEpistemic contextualism holds that the justification
\nstandards of knowledge attributions
\nchange according to the contexts in which the attributions
\nare made. Hearsay and other kinds of
\ninformation the assessment of which rely upon fact
\nfinders’ more common epistemic capabilities push
\nthe epistemic context of the trial toward one of
\nmore relaxed epistemic standards. The exclusion of
\nhearsay helps to maintain a relatively high standards
\ncontext hitched to the standard of proof for
\nthe case and to prevent shifts that threaten to try
\ndefendants with inconsistent standards.

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)0,026
score de la tête « metaresearch » (Gemma)0,060
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 enseignants0,069
Score d'incertitude au seuil0,230

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,060
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,033
Communication savante0,0190,046
Science ouverte0,0020,014
Intégrité de la recherche0,0110,013
Charge utile insuffisante (le modèle a refusé de juger)0,0690,012

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 Opus0,230
Tête enseignante GPT0,417
Écart entre enseignants0,187 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhilPapers (PhilPapers Foundation)Même sujetJury Decision Making ProcessesTravaux en français237 207