Scales of ignorance: an ethical normative framework to account for relative risk of harm in sport categorization
Notice bibliographique
Résumé
Sport categorization is often justified by benefits such as increased fairness or inclusion. Taking inspiration from John Rawls, Sigmund Loland’s fair equality of opportunity principle in sport (FEOPs) is a tool for determining whether the existence of an inequality ethically justifies the institution of a new category in any given sport. It is an elegant ethical normative framework, but since FEOPs does not account explicitly for athlete safety (i.e. athlete physical and mental wellbeing), we are left in an ethically dubious situation where the risk of harm associated with a categorization regime might in fact prove to be greater than the risk of harm present within the sport before its introduction. To address this critical gap, I propose the ‘scales of ignorance’ ethical normative framework to weigh the relative risk of harm within a sport, crucially inserting athlete safety into the discourse surrounding ethical justification for categorization in sport. The current paper is the first explicit formulation of assessment and ethical justification of risk of harm in the familiar logic of FEOPs. The scales of ignorance framework can also be used independently of Loland’s approach. Two new concepts are also proposed: ‘insidious risk of harm’ and ‘pernicious risk of harm’.
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 | 0,047 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,055 |
| Communication savante | 0,008 | 0,018 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».