Bibliographic record
Abstract
Il existe de nombreuses sources d’exigences. Certaines exigences sont normatives dans la mesure où elles impliquent des affirmations concernant ce que nous avons raison de croire, faire, désirer, etc. À ce titre, les exigences morales sont parmi les meilleures candidates. Si la morale exige que l’on tienne notre promesse, il semble que nous avons une raison de la tenir. Cependant, ce ne sont pas toutes les exigences qui sont normatives en ce sens. Le catholicisme exige que l’on assiste à la messe chaque dimanche. Il ne s’ensuit pas pour autant que nous avons une raison d’y assister. Pourquoi cela? Pourquoi certaines exigences sont normatives en ce sens, mais pas d’autres? En vue de répondre à cette question, je défends la conception reasons-sensitive des exigences normatives, selon laquelle les exigences normatives sont celles et seulement celles qui sont sensibles aux raisons. Par contre, cette conception n’est pas la seule disponible. Selon ce que j’appelle la conception reasons-providing, les exigences normatives sont celles et seulement celles qui fournissent des raisons. Je soutiens que cette conception-ci est vulnérable à deux objections, ce qui nous donne raison de préférer la première.
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 | 0.010 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.018 |
| Scholarly communication | 0.015 | 0.018 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.017 | 0.004 |
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".