MétaCan
Menu
Retour à la cohorte
Enregistrement W4406156224 · doi:10.22329/il.v44i4.8461

What are Deep Disagreements?

2025· article· en· W4406156224 sur OpenAlexvenueno aff
Gustavo javier Arroyo

Notice bibliographique

RevueInformal Logic · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueExplainable Artificial Intelligence (XAI)
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Abstract: The scholarship on deep disagreements presents us with a considerable number of seemingly disparate characterizations concerning the nature of these disputes. This paper is motivated by the desire to grasp what these characterizations are. An answer is provided through the method of reconstructive analysis. Two ideal and paradigmatic models of deep disagreements are defined initially. Then, individual characterizations found in the scholarship are examined against the background of such models. Special attention is given to Fogelin’s paper, the work that initiates modern discussion on deep disagreements. According to the interpretation provided in the following paper, both models inadvertently coexist in this seminal work. Résumé: Les études sur les désaccords profonds nous présentent un nombre considérable de propriétés apparemment disparates concernant la nature de ces conflits. La rédaction de cet article est motivée par le désir de comprendre quelles sont ces propriétés. Une réponse est fournie par la méthode de l'analyse reconstructive. Deux modèles idéaux et paradigmatiques des désaccords profonds sont d'abord définis. Ensuite, les propriétés individuelles trouvées dans les études sont examinées dans le contexte de ces modèles. Une attention particulière est accordée à l'article de Fogelin, l'ouvrage qui initie la discussion moderne sur les désaccords profonds. Selon l'interprétation fournie dans l'article suivant, les deux modèles coexistent par inadvertance dans cet ouvrage fondateur.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,004
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,287
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformal LogicMême sujetExplainable Artificial Intelligence (XAI)Travaux en français237 207