Are Metaphors Ethically Bad Epistemic Practice? Epistemic Injustice at the Intersections
Notice bibliographique
Résumé
Abstract The COVID-19 pandemic brought the debate about the ethics of metaphors to the fore. In this article, I draw on blending theory—a theory of cognition—and theories of epistemic injustice to explore both the epistemic and ethical implications of metaphors. Beginning with a discussion of the conceptual alterations that may result from the use of metaphors, I argue that the effects these alterations have on available hermeneutical resources have the potential to result in a type of hermeneutical injustice distinct from the “lacuna” described by Miranda Fricker (Fricker 2007). Following, I examine how metaphors may therefore be considered “ethically bad epistemic practice,” as described by Rebecca Mason, because of how they may contribute to perpetuating an inequitable epistemic status quo (Mason 2011). Yet these same features may be used to promote epistemic justice in the context of intersectional power relationships. Situating the effects of metaphors within an inequitable yet dynamic epistemic system, I argue that foregrounding intersectional power dynamics enables us to interrogate the ethics of metaphors with consideration of both the epistemic and material consequences that may occur. I conclude by providing guidance for how, given that metaphors do epistemic work, we may use them to do ethical epistemic work.
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 | 0,011 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,091 |
| Communication savante | 0,011 | 0,016 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».