MétaCan
Menu
Retour à la cohorte
Enregistrement W3190139838 · doi:10.33137/js.v4i0.37121

Scientific Error and Error Handling

2021· article· en· W3190139838 sur OpenAlexaffvenue
Sarah Machado-Marques, Paul Patton

Notice bibliographique

RevueScientonomy Journal for the Science of Science · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiquePhilosophy and History of Science
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésScientific theoryArgument (complex analysis)Order (exchange)SuspectCalculus (dental)Computer scienceEpistemologyMathematicsMathematical economicsPhilosophyLaw

Résumé

récupéré en direct d'OpenAlex

Error is a common part of scientific practice, which must be accounted for by scientonomy. A scientific error occurs when an agent accepts a theory that should not have been accepted given that agent’s employed method. One might suspect that the handling of scientific error seems to violate the theory rejection theorem according to which a theory becomes rejected only when other theories that are incompatible with the theory become accepted, because it appears as though a theory isn’t replaced by anything. Here, we analyze several instances of scientific error and show that error handling, when properly analyzed, is fully consistent with the theory rejection theorem. We show that instances of scientific error typically involve the rejection of an erroneous conclusion as well as one or more of the premises of the argument that leads to that erroneous conclusion. In most cases, first-order propositions of the original erroneously accepted theory are replaced by other first-order propositions incompatible with them. In some cases, however, first-order propositions are replaced by second-order propositions asserting the lack of sufficient reason for accepting these first-order propositions. In both cases, such a replacement is fully consistent with the theory rejection theorem.

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)0,063
score de la tête « metaresearch » (Gemma)0,275
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,937
Score d'incertitude au seuil0,333

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0630,275
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,006
Études des sciences et des technologies0,0070,026
Communication savante0,0120,019
Science ouverte0,0050,011
Intégrité de la recherche0,0080,006
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,105
Tête enseignante GPT0,301
Écart entre enseignants0,197 · 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.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientonomy Journal for the Science of ScienceMême sujetPhilosophy and History of ScienceTravaux en français237 207