MétaCan
Menu
Retour à la cohorte
Enregistrement W4323521574 · doi:10.7202/1097012ar

IS DANIEL A MONSTER? REFLECTIONS ON DANIEL A. BELL AND WANG PEI’S “SUBORDINATION WITHOUT CRUELTY” THESIS

2023· article· en· W4323521574 sur OpenAlexaffvenue
Rainer Ebert, Valéry Giroux, Angie Pepper, Kristin Voigt

Notice bibliographique

RevueLes ateliers de l éthique · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiquePsychology of Moral and Emotional Judgment
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCrueltyArgument (complex analysis)MonsterSubordination (linguistics)HierarchySociologyEpistemologyPhilosophyLawCriminologyPolitical scienceHistoryLinguisticsArt history

Résumé

récupéré en direct d'OpenAlex

Daniel Bell and Wang Pei’s recent monograph, Just Hierarchy, seeks to defend hierarchical relationships against more egalitarian alternatives. This paper addresses their argument, offered in one chapter of the book, in favour of a hierarchical relationship between human and nonhuman animals. This relationship, Bell and Pei argue, should conform to what they call “subordination without cruelty:” it is permissible to subordinate and exploit animals for human ends, provided that we do not treat them cruelly. We focus on three aspects of their view: their argument for a hierarchical view; their understanding of cruelty; and their account of the heightened duties they claim we owe to nonhuman animals who are intelligent, domesticated, and/or “cute.” We argue that the reasons that Bell and Pei offer fail to support their conclusions, and that, even if one accepts a hierarchical view, the conclusions that Bell and Pei draw about the permissibility of practices such as killing animals for food do not follow. We conclude by emphasizing philosophers’ responsibility to thoroughly test their arguments and to engage with existing debates, especially when the practices they seek to justify involve harms of great magnitude.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,029
Communication savante0,0070,010
Science ouverte0,0020,004
Intégrité de la recherche0,0080,017
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,167
Tête enseignante GPT0,351
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLes ateliers de l éthiqueMême sujetPsychology of Moral and Emotional JudgmentTravaux en français237 207