MétaCan
Menu
Retour à la cohorte
Enregistrement W7124454215 · doi:10.12697/sss.2025.53.3-4.04

Dumb intelligence? Translation as technological mediation

2025· article· ru· W7124454215 sur OpenAlexaff
Hongying Xu, Alin Olteanu, Cary Campbell

Notice bibliographique

RevueSign Systems Studies · 2025
Typearticle
Langueru
DomainePhysics and Astronomy
ThématiqueOrigins and Evolution of Life
Établissements canadiensSimon Fraser University
Organismes subventionnairesFundamental Research Funds for the Central Universities
Mots-clésSemioticsExternalismSemiosisDualismGenerative grammarPerspective (graphical)BiosemioticsPhilosophy of languagePhilosophy of science

Résumé

récupéré en direct d'OpenAlex

We propose a semiotic approach to understanding and assessing language technologies. Specifically, by adopting a recent semiotic and broad concept of translation, developed by Kobus Marais, we bring semiotic theory into the service of philosophy of technology. Our perspective reveals that commonly assumed expectations about language generative technologies are mistaken and misleading when shaped through an ideal of engineering humanlike interlocutors, which we illustrate with examples. We find that (software) engineering pursues this ideal, which, fuelled by classical humanism, assumes that language is an anthropic marker. By explaining (technological) emergence as a semiosic process, we develop a robust underpinning for the Mind–Technology Thesis, namely refuting mind-and-matter substance dualism through an evolutionist perspective that construes technology as mind-work. In this vein, semiotics corroborates with externalist theories of mind and postphenomenology in understanding mind and technology as mutually intrinsic. This leads to a semiotics-grounded advocacy of the view in philosophy of technology, championed by Elena Esposito, that for artefacts properly to communicate with biological organisms, they do not require “intelligence”.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
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 enseignants0,012
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,037
Communication savante0,0120,021
Science ouverte0,0010,008
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,044
Tête enseignante GPT0,327
Écart entre enseignants0,283 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSign Systems StudiesMême sujetOrigins and Evolution of LifeTravaux en français237 207