Remembering Together: Examining Epistemic Injustice Through the Lens of Relational Remembering
Notice bibliographique
Résumé
I argue that causes of epistemic injustice as well as the project of working towards epistemic justice can be understood through the lens of relational remembering.In Chapter 1, I offer a brief overview of the project.In Chapter 2, I discuss Sue Campbell's account of relational remembering, which holds that good remembering aims to get something correct about the meaning of the past.In Chapter 3, I examine Miranda Fricker's formulation of epistemic injustice as a uniquely epistemic form of injustice that occurs in relation to a subject's status as a knower.I then build on critiques of Fricker by José Medina and Gaile Pohlhaus Jr. to highlight relational features.Chapter 4 expands on the preceding chapters, drawing them together to argue that conditions for epistemic injustice are created through the failures of the epistemically privileged to correctly discern the meaning of the past.In Chapter 5, I argue that practices of good remembering can disorient the epistemically privileged in ways that can generate new awareness of relationships of oppression and injustice as well as create the space to begin cultivating epistemic virtue.Chapter 6 offers a summary of the arguments that this thesis puts forth as well as a brief discussion of what can be developed going forward.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,039 |
| Communication savante | 0,012 | 0,017 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».