What Is ‘Good’ Science? How Disciplinary Norms and Expectations Discourage Broad Interdisciplinary Collaboration
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.
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 | 0,109 | 0,253 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,027 |
| Communication savante | 0,018 | 0,014 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».