Inductive Risk and Epistemically Detrimental Dissent in Policy-Relevant Science
Notice bibliographique
Résumé
While dissent is key to successful science, it is clear that it is not always beneficial. By requiring scientists to respond to objections, epistemically detrimental dissent (EDD) consumes resources that could be better devoted to furthering scientific discovery. Moreover, bad-faith dissent can create a chilling effect on certain lines of inquiry and make settled controversies seem open to debate. Such dissent results in harm to scientific progress and the public policy that depends on this science. While Biddle and Leuschner propose four criteria that draw on inductive risk as a method for separating this EDD from beneficial dissent, de Melo-Martín and Intemann reject this approach for failing to capture paradigmatic instances of EDD. Against de Melo-Martín and Intemann’s objections, I propose the inductive risk account can be saved and strengthened through the following modifications: 1) removing the requirement that the four conditions of EDD be jointly satisfied, 2) requiring that each criterion be measured as a matter of degree rather than as a binary, and 3) requiring that the four criteria are measured holistically. These modifications not only mitigate the criticisms but produce five benefits over Biddle and Leuschner’s account, including: 1) capturing paradigmatic instances of EDD, 2) reflecting the degree to which an instance of EDD is problematic, 3) capturing the interactions between criteria, 4) avoiding legitimizing inappropriate dissent, and 5) reflecting changes to the epistemic standing of dissent. As such, I argue that the modified IndRA provides a powerful tool for identifying EDD and strengthening science.
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 | 0,090 | 0,145 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,066 |
| Communication savante | 0,012 | 0,019 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,010 | 0,012 |
| 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 ».