The science behind “values”: Applying moral foundations theory to strategic foresight
Notice bibliographique
Résumé
Abstract “Values” play an oversized role in strategic foresight: they help define scanning frameworks, direct scanning efforts, inform change driver and scenario development, and underpin change within various systems and domains (e.g., politics, society, etc.). And yet, values are largely understudied within foresight. They are rarely defined consistently or explored with reference to a theoretical model of how values emerge or evolve. Rather, values are researched using dissimilar methods depending on the foresight research at hand, which can lead to gaps in analysis and inconsistency between foresight projects. Moral Foundations Theory (MFT), a social psychological theory that identifies common human moral values, offers a solution. MFT describes six moral values or “foundations”—care, fairness, loyalty, authority, sanctity, and liberty—each explained through the evolutionary development of humanity and detectable across cultures. Within foresight, MFT can be applied to understand and identify shifts in the influence of different values, which can result in more novel and unexpected conclusions. With these potential benefits available, we propose adopting and adapting MFT for use within the foresight to improve the way it approaches, identifies, and utilizes values. Our article unpacks MFT into its core tenets and illustrates how it can be used to inform scanning, change driver development, and scenario construction.
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 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,030 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».