What Is ‘Good’ Science? How Disciplinary Norms and Expectations Discourage Broad Interdisciplinary Collaboration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Notions of ‘good’ science exert a powerful influence over scientists’ decisions about how research should be conducted and rewarded. Rarely are broad interdisciplinary collaborations, such as those between scientists and philosophers of science, characterized as ‘good’ science, despite philosophy’s relevance to scientific inquiry. We draw on Bourdieu’s concepts of field and habitus to explore how notions of ‘good’ science generate systemic barriers to scientists’ ability to collaborate with philosophers of science. We conducted semi-structured interviews with scientists and engineers who have engaged in research collaborations with philosophers of science and then used thematic codebook analysis to examine participant attitudes, disciplinary expectations, and academic incentive structures. We identify two different conceptions of ‘good’ science: field-aligned science, which is a more technical, data-driven approach that conforms to disciplinary incentive structures, and field-disruptive science, which asks more foundational questions but that tends not to be rewarded within scientific disciplines. Given how philosophy can enhance science, we argue that scientific communities would benefit from actively valuing science undertaken in collaboration with philosophers, but that doing so would require a shift in the field and the habitus that it encourages. Such a shift would also make science more conducive to other types of broad interdisciplinary collaboration.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,016 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle