Notice bibliographique
Résumé
This paper provides a principled and elegant solution to the Gettier problem. The key move is to draw a general metaphysical distinction and conscript it for epistemological purposes. Section 1 introduces the Gettier problem. Sections 2– 5 discuss instructively wrong or incomplete previous proposals. Section 6 presents my solution and explains its virtues. Section 7 answers the most common objection. 1. The Gettier Problem Lore has it that before 1963 many philosophers thought knowledge was justified true belief, which view met its doom in Edmund Gettier’s 1963 paper “Is Justified True Belief Knowledge?”. Gettier produced two cases wherein intuitively the subject gains a justified true belief but fails thereby to know, demonstrating that knowledge differs from justified true belief, the latter not sufficing for the former. Examples in this mold we call Gettier cases. Gettier cases follow a recipe. Start with a belief sufficiently justi-1 Manifest Failure 2 fied (or warranted) to meet the justification requirement for knowledge. Then add an element of bad luck that would normally prevent the justified belief from being true. Lastly add a dose of good luck that “cancels out the bad, ” so the belief ends up true anyhow. It has proven difficult to explain why this “double luck ” prevents knowledge. 1 Here are two Gettier cases to focus our discussion. (FORD) Sarah observes her trusted colleague, Mr. Nogot, arrive at work driving a new Ford. Nogot reports to Sarah that he is ecstatic with his new Ford. Sarah has no reason to mistrust him, so she believes Nogot owns a Ford. From this she infers that someone in her office owns a Ford. But Nogot uncharacteristically is playing a practical joke on Sarah: he doesn’t really own a Ford. Nevertheless, unbeknownst to Sarah, Mr. Havit, the newly hired clerk on his first day in the office, does own a Ford. 2 1 My characterization is modeled on Zagzebski’s 1994: 66; 1996: 288–9;
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,025 |
| Communication savante | 0,006 | 0,029 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,009 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».