<i>Emotion and Virtue</i>, by Gopal Sreenivasan
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
What would a person look like if she were to possess a virtue like compassion or courage? This is the question that will come to mind when contemplating the haunting Giacometti painting, Portrait of a Woman (1965), on the cover of Gopal Sreenivasan’s book. Somewhat paradoxically, the inexpressive face and the static posture of the woman in no way suggest that emotions should play a role in virtue. What the hieratic figure does convey, however, is the importance of character and focus. The notions of character and focus are central in the moral psychology of virtues proposed by Sreenivasan. According to him, virtues such as compassion or courage consist in having character traits that allow agents reliably to focus their attention on the relevant moral features as well as on the actions that are called for. He holds that for a virtue to play this role, it has to be partly constituted by emotional traits. This account he takes to be true of a good number of virtues. He mentions generosity, kindness, benevolence, gratitude and patience, but compassion and courage are his prime examples. By contrast, Sreenivasan doubts that the virtues of justice and honesty can be treated in the same way. The claim that emotions play an important role in virtues is by no means a new one. Indeed, the claim that virtues involve emotional dispositions, which can be traced back to Aristotle, is prominent in contemporary virtue theory. What is original, however, is the exact role Sreenivasan attributes to emotions as well as the remarkably rich and sophisticated, indeed at times quite labyrinthine, arguments he offers for his account.
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.
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) | 0,001 | 0,002 |
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 découle