Entrevista com Ian Hacking: (por Paul Kennedy e David Cayley)
Bibliographic record
Abstract
Corporation -CBC -, como parte do programa IDEAS, realizou uma série de 24 entrevistas, apresentadas por Paul Kennedy, com o intuito de refletir sobre uma questão intrigante: "How to think about Science?" (como pensar a ciência), nome dado ao programa 1 .No prefácio que introduz as entrevistas, david Cayley, entrevistador e idealizador do programa, esclarece que "How to think about Science" começou com uma intuição que dizia que tanto a prática científica quanto sua recepção pública estão vivenciando mudanças dramáticas.Para Cayley, passamos a viver em um mundo que se assemelha cada vez mais a um experimento científico não controlável, em um momento no qual questionamos o papel da ciência como fonte de certeza, predição e controle.Por outro lado, como afirma Cayley, a ciência, como espaço de produção de conhecimento, tem sido cada vez mais desmistificada.As sociedades modernas acreditavam que a ciência era a forma mais verdadeira e legitima de conhecer, ordenar e controlar o mundo.todas as coisas tornaram-se objeto da ciência, mas a ciência em si mesma escapou ao estudo científico.No entanto, nos últimos anos, esse panorama tem passado por grandes transformações.Uma nova área acadêmica denominada Science Studies que, desde a década de 70, reúne antropólogos, historiadores, sociólogos, filósofos e cientistas, tem se dedicado ao estudo das formas através das quais o conhecimento científico é produzido e institucionalizado.as entrevistas realizadas por Cayley oferecem uma introdução fascinante sobre como a ciência tem sido repensada em nossos tempos, no âmbito dos
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.006 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.007 | 0.014 |
| Insufficient payload (model declined to judge) | 0.023 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".