Notice bibliographique
Résumé
Trotz Amokläufe, Blutrache, und anderen Formen von übertrieben ausgelebtem Zorn ist es wohl eine schöne Utopie zu glauben, dass Zorn und Rache grundsätzlich nichts mit sozialer Gerechtigkeit zu tun habe und deshalb „Gift für eine Gesellschaft“ sei. Das Gegenteil ist wohl eher die Regel, zumindest gemäss neuster Erkenntnisse aus der Evolutionsbiologie und Spieltheorie. Wenn Zorn dazu führt, dass anderen Schaden zugefügt wird, dann scheint das erst einmal nur destruktiv und unnütz. Auf lange Sicht kann aber der Zorn, den man bei anderen auslösen könnte, das eigene Verhalten stark beeinflussen. Diese Angst vor dem Zorn führt dann typischerweise dazu, dass wir uns insgesamt kooperativer und grosszügiger verhalten. Nimmt man zum Beispiel in einem anonymisierten Experiment, bei dem um Geld und Grosszügigkeit geht, die Möglichkeit zur Rache, dann wird insgesamt weniger grosszügig entschieden und damit auch weniger Wert für die soziale Gruppe kreiert (da ein gewisses Mass an Grosszügigkeit sehr oft Mehrwert kreiert). Dieser Verlust an Mehrwert kann in der experimentellen Situation deutlich höher sein als der gesamte Schaden, der durch Bestrafungen normalerweise entsteht. Zorn und Rache kann also Grosszügigkeit innerhalb sozialer Gruppen fördern und hat damit eine wichtige evolutionäre Funktion. Institutionalisierte Bestrafung (durch Polizei und Gerichte) kann diese Funktion nur zum Teil ersetzen. Ich denke deshalb, es ist möglicherweise irreführend, Zorn und Rache an sich zu verurteilen. Stattdessen sollte man sich wohl darauf konzentrieren, die Ursachen von übertrieben ausgelebtem oder fehlgeleitetem Zorn besser zu verstehen um sie effektiver zu bekämpfen.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,097 | 0,895 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».