Notice bibliographique
Résumé
Abstract As a general rule, whenever a hearer is justified in forming the belief that p on the basis of a speaker’s testimony, she will also be justified in assuming that the speaker has formed her belief appropriately in light of a relevantly large and representative sample of the evidence that bears on p . In simpler terms, a justification for taking someone’s testimony entails a justification for trusting her assessment of the evidence. This introduces the possibility of what I will call “evidential preemption.” Evidential preemption occurs when a speaker, in addition to offering testimony that p , also warns the hearer of the likelihood that she will subsequently be confronted with apparently contrary evidence: this is done, however, not so as to encourage the hearer to temper her confidence in p in anticipation of that evidence, but rather to suggest that the (apparently) contrary evidence is in fact misleading evidence or evidence that has already been taken into account. Either way, the speaker is signalling to the hearer that the subsequent disclosure of this evidence will not require her to significantly revise her belief that p . Such preemption can effectively inoculate an audience against future contrary evidence, and thereby creates an opening for a form of exploitative manipulation that I will call “epistemic grooming.” Nonetheless, I argue, not all uses of evidential preemption are nefarious; it can also serve as an important tool for guiding epistemically limited agents though complex evidential scenarios.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».