MétaCan
Menu
Retour à la cohorte
Enregistrement W3134221673 · doi:10.1007/s10781-021-09461-6

Gaṅgeśa on Epistemic Luck

2021· article· en· W3134221673 sur OpenAlexfundno aff
Nilanjan Das

Notice bibliographique

RevueJournal of Indian Philosophy · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEpistemology, Ethics, and Metaphysics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésLocalismLuckEpistemologyEvent (particle physics)Philosophy of religionJudgementHindsight biasPhilosophyPsychologyCognitive psychologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This essay explores a problem for Nyāya epistemologists. It concerns the notion of pramā. Roughly speaking, a pramā is a conscious mental event of knowledge-acquisition, i.e., a conscious experience or thought in undergoing which an agent learns or comes to know something. Call any event of this sort a knowledge-event. The problem is this. On the one hand, many Naiyāyikas accept what I will call the Nyāya Definition of Knowledge, the view that a conscious experience or thought is a knowledge-event just in case it is true and non-recollective. On the other hand, they are also committed to what I shall call Nyāya Infallibilism, the thesis that every knowledge-event is produced by causes that couldn’t have given rise to an error. These two commitments seem to conflict with each other in cases of epistemic luck, i.e., cases where an agent arrives a true judgement accidentally or as a matter of luck. While the Nyāya Definition of Knowledge seems to predict that these judgements are knowledge-events, Nyāya Infallibilism seems to entail that they aren’t. In this essay, I show that Gaṅgeśa Upādhyāya, the 14th century Naiyāyika, solves this problem by adopting what I call epistemic localism, the view that upstream causal factors play no epistemically significant role in the production of knowledge.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,017
Communication savante0,0050,005
Science ouverte0,0010,006
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,267
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Indian PhilosophyMême sujetEpistemology, Ethics, and MetaphysicsTravaux en français237 207