Notice bibliographique
Résumé
The great divide The binary view is, obviously, binary. It introduces supposedly clear divides, not just between statements, but between overall approaches to reality. It dictates which sorts of beliefs may find a home within rigorous thought and which may not. One methods text thus declares that ‘Ideologies contain many normative assumptions, statements, and ideas.’ The social sciences, on the other hand, ‘offer descriptive statements (‘this is how the world operates’) and explanations’ (Neuman, 2011, 59). In like spirit, another methods book states that ‘today social theory has to do with what is, not with what should be’ (Babbie, 2013, 6). For some authors, this does not mean that normative issues are unimportant: they are simply someone else's concern. Levitt and Dubner's popular Freakonomics tells us that morality ‘represents the way that people would like the world to work – whereas economics represents how it actually does work’ (2005, 13, emphasis in original). At times one gets the impression that the binary view exercises a gravitational pull, dragging down thinkers on the brink of escaping its orbit. Consider the following argument from polymath Herbert Simon: In the realm of economics, the proposition ‘Alternative A is good’ may be translated into two propositions, one of them ethical, the other factual: ‘Alternative A will lead to maximum profit.’ ‘To maximize profit is good.’ The first of these two sentences has no ethical content, and is a sentence of the practical science of business. The second sentence is an ethical imperative, and has no place in any science. Science cannot tell whether we ought to maximize profit. (Simon, 1965, 249, emphasis in original) As recommended in the Introduction to this work, Simon ‘fills in’ the statement ‘Alternative A is good.’ He recognizes that one can give reasons for a value claim. This, obviously, sits uneasily with his claim that value judgments can only be validated by ‘human fiat’ (1965, 56). How does he resolve the contradiction? By assuming that reason-giving can descend one level and only one level .One can answer the question ‘Why is alternative A good?’ but not the obvious follow-up question, ‘Why is it good to maximize profit?’
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 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 ».