MétaCan
Menu
Retour à la cohorte
Enregistrement W3162478495 · doi:10.20944/preprints202105.0264.v1

Applying Philosophy, Logic, and Rational Argumentation to the Severe Acute Respiratory Syndrome Coronavirus-2 Pandemic Response

2021· preprint· en· W3162478495 sur OpenAlexaff
Ari Joffe, David Redman

Notice bibliographique

RevuePreprints.org · 2021
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensUniversity of AlbertaAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésScrutinyArgumentation theoryPandemicAssertionPopulationSubject (documents)CLARITYCounterintuitiveMedicineCoronavirus disease 2019 (COVID-19)EpistemologyPolitical scienceComputer sciencePhilosophyLaw

Résumé

récupéré en direct d'OpenAlex

Part of philosophy is to subject assertions to critical scrutiny, clarifying exactly what the assertion is saying, its implications, and thus its direct plausibility. The goal is to ensure clarity, logical consistency, and rational argumentation in order to arrive at reasoned conclusions. A common problem is that arguments have missing implied premises that, unless explicitly stated, are mistakenly assumed to be true. Here we subject conclusions made regarding the SARS-CoV-2 pandemic to critical scrutiny, revealing their implied premises so that these premises can be explicitly examined and refuted. Specifically, we refute the conclusions that “no one is protected until everyone is protected” and “population lockdowns are required to protect those at high risk of adverse outcomes.” In the end, we argue for the conclusion that “an Emergency Management principles based response to the pandemic, compared to population-wide lockdowns, offers a way to prevent more adverse outcomes from COVID-19, better prevent overwhelmed healthcare, and prevent most of the collateral damage to the wellbeing of the population that has resulted from the lockdowns.”

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,005
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,331
Tête enseignante GPT0,476
Écart entre enseignants0,145 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetDisaster Response and ManagementTravaux en français237 207