Notice bibliographique
Résumé
Why should we refrain from doing things that, taken collectively, are environmentally destructive, if our individual acts seem almost certain to make no difference? According to the expected consequences approach, we should refrain from doing these things because our individual acts have small risks of causing great harm, which outweigh the expected benefits of performing them. Several authors have argued convincingly that this provides a plausible account of our moral reasons to do things like vote for policies that will reduce our countries’ greenhouse gas emissions, adopt plant-based diets, and otherwise reduce our individual emissions. But this approach has recently been challenged by authors like Benward Gesang and Julia Nefsky. Gesang contends that it may be genuinely impossible for our individual emissions to make a morally relevant difference. Nefsky argues more generally that the expected consequences approach cannot adequately explain our reasons not do things if there is no precise fact of the matter about whether their outcomes are harmful. In the following chapter, author Howard Nye defends the expected consequences approach against these objections. Nye contends that Gesang has shown at most that our emissions could have metaphysically indeterministic effects that lack precise objective chances. He argues, moreover, that the expected consequences approach can draw upon existing extensions to cases of indeterminism and imprecise probabilities to deliver the result that we have the same moral reasons to reduce our emissions in Gesang’s scenario as in deterministic scenarios. Nye also shows how the expected consequences approach can draw upon these extensions to handle Nefsky’s concern about the absence of precise facts concerning whether the outcomes of certain acts are harmful. The author concludes that the expected consequences approach provides a fully adequate account of our moral reasons to take both political and personal action to reduce our ecological footprints.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
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 ».