Bibliographic record
Abstract
L'auteur part de la définition la plus intuitive du concept de neutralité pour présenter quatre thèses qui se sont révélées comme des acquis du débat. Ces thèses affirment : 1) que la neutralité est un concept politique et non pas moral ; 2) qu'elle vise les justifications de l'action de l'État et non pas ses conséquences ; 3) qu'elle n'oblige pas nécessairement l'État à s'abstenir d'agir ; et 4) qu'elle est avant tout neutralité envers les individus et seulement de manière dérivée neutralité envers les conceptions du bien. Ensuite, l'auteur discute deux affirmations qui jouissent d'une popularité aussi forte que les précédentes mais qui sont beaucoup moins évidentes. La première est qu'il y a des liens profonds entre l'idée de neutralité et l'idée d'égalité. La deuxième est qu'il y a un rapport d'équivalence entre le concept de neutralité et celui d'anti-perfectionnisme. Mettre en question cette dernière affirmation implique une prise de distance par rapport à quelques argumentations bien connues en faveur de la neutralité, mais cette opération s'impose si on veut répondre aux critiques de ceux qui proposent l'abandon de cette exigence normative.
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 | 0.009 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.002 |
| Science and technology studies | 0.004 | 0.030 |
| Scholarly communication | 0.015 | 0.020 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.007 | 0.010 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".