MétaCan
Menu
Retour à la cohorte
Enregistrement W4406156265 · doi:10.22329/il.v44i4.8517

How do Explanations Justify?

2025· article· fr· W4406156265 sur OpenAlexfundvenueno aff
Petar Bodlović, Marcin Lewiński

Notice bibliographique

RevueInformal Logic · 2025
Typearticle
Languefr
DomaineComputer Science
ThématiqueSemantic Web and Ontologies
Établissements canadiensnon disponible
Organismes subventionnairesCHIST-ERAUniversité de FribourgEuropean CommissionFundação para a Ciência e a TecnologiaUniversity of Windsor
Mots-clésEpistemologySociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract: The paper presents an extended scheme for the inference to the best explanation (IBE). The scheme precisely treats the epistemic modifiers (“hypothetically,” “plausibly,” “presumably”) of the inference, acknowledges its contrastive nature, clarifies the logical support between premises and conclusions (linked, convergent, and serial support), and introduces additional premises essential for inferring justified conclusions (especially those related to causal explanations and more demanding standards of proof). Overall, it advances the existing schemes for IBE in argumentation theory and treats IBE as a par excellence argumentative, rather than explanatory, form of reasoning. Résumé: L’article présente en détail un schéma pour l’inférence vers la meilleure explication (IME). Le schéma traite précisément les modificateurs épistémiques (« hypothétiquement », « plausiblement », « vraisemblablement ») de l’inférence, reconnaît sa nature qui fait contraste, clarifie l’appui logique entre les prémisses et les conclusions (l’appui lié, convergent et sériel) et introduit des prémisses supplémentaires essentielles pour inférer des conclusions justifiées (en particulier celles liées aux explications causales et aux normes de preuve plus exigeantes). Dans l’ensemble, l’article fait progresser les schémas existants pour l’IME dans la théorie de l’argumentation et traite l’IME comme une forme de raisonnement argumentatif par excellence, plutôt qu’explicatif.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,022
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,015
Communication savante0,0080,020
Science ouverte0,0020,005
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0220,003

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 Opus0,048
Tête enseignante GPT0,284
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInformal LogicMême sujetSemantic Web and OntologiesTravaux en français237 207