Notice bibliographique
Résumé
La discussion éthique publique a connu un essor spectaculaire dans les dernières décennies. Elle s’est même démocratisée, au point de devenir une sorte de « sport » alimenté par des médias à l’affût de toutes les controverses à saveur éthique : scandales politiques, ratés du système judiciaire, fraudes, faits divers et phénomènes de société choquants. L’argumentation éthique n’est certes pas une science et les grands débats éthiques sont généralement des débats ouverts. Mais il serait erroné d’en conclure qu’en ce domaine « tous les arguments se valent ». Il est possible d’évaluer avec rigueur les arguments qui composent les débats éthiques et de déterminer s’ils sont valides, cohérents, forts, faibles ou nuls. C’est du moins le pari que fait l’auteur de ce livre qui poursuit deux objectifs : mettre en relief les caractéristiques propres à l’argumentation éthique et surtout aider le lecteur à perfectionner ses capacités en la matière en lui fournissant des outils d’analyse, des procédés et des stratégies pour évaluer et critiquer les arguments éthiques. L’ouvrage fourmille d’exemples d’arguments variés qui appartiennent à la culture éthique populaire. La plupart ont été puisés dans les quotidiens et dans Internet et proviennent de plusieurs pays : Québec, Canada, France, États-Unis, Chine, Belgique ou Burundi. Ils touchent des thèmes variés comme l’abolition de l’esclavage, les accommodements raisonnables, l’avortement, la transmission du sida, l’euthanasie ou l’activisme pédophile. Les analyses de l’auteur sont menées sur un ton léger, parfois ironique, et formulées dans un langage clair et accessible. L’ouvrage propose aussi au lecteur quelques exercices stimulants, histoire de lui permettre de tester et d’aiguiser ses propres capacités argumentatives.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,050 | 0,010 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».