Suffering is bad: experiential understanding and the impossibility of intrinsically valuing suffering
Notice bibliographique
Résumé
Abstract Suffering, I argue, is bad. This paper supports that claim by defending a somewhat bolder-sounding one: namely that if anyone—even a sadistic ‘amoralist’—fully understands the fact that someone else is suffering, then the only evaluative attitude they can possibly form towards the person’s suffering as such is that of being intrinsically against it. I first argue that, necessarily, everyone is disposed to be intrinsically against their own suffering experiences, holding fixed their specific overall degree of emotional aversiveness, because any evaluative attitude other than ‘being against’—including mere indifference—would in certain key circumstances make our suffering less emotionally aversive and thus different from the suffering experience (stipulatively) at issue. Second, fully understanding that someone else is having a given experience—Mary’s experiencing a vividly blue sky, say, or Job’s experiencing heart-rending grief—requires that we represent experientially their very instance of that experience-type (it requires, in other words, token phenomenal concepts). The result is that what goes for our own suffering goes for others’, too: maintaining an accurate experiential representation of the fact that someone else is having a suffering experience with a specific degree of overall emotional aversiveness is only compatible with coming to be intrinsically against their suffering. So suffering is—‘objectively’—bad: it’s only possible to respond with indifference towards anyone’s suffering if we don’t fully understand that they are suffering in the first place.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,052 |
| Communication savante | 0,009 | 0,018 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».