Pourquoi délibérer ? Du potentiel épistémique à la justification publique
Bibliographic record
Abstract
Cet article a deux objectifs. Le premier est de montrer pourquoi l’argument instrumental en faveur de la démocratie est insuffisant pour justifier la délibération politique. Si notre but est l’optimisation du potentiel épistémique d’un régime politique, et que des approches agrégatives et inférentielles (sans délibération) atteignent cet objectif, alors nous ne pouvons plus justifier la délibération sur cette base. Ce problème peut être contourné en reprenant une distinction de Daniel Andler. Pour ce dernier, le groupe délibératif se distingue du groupe agrégatif parce qu’il permet aux agents, par une occasion éducative informelle, de se responsabiliser. La délibération présente donc un potentiel épistémique supérieur, mais qui ne se limite pas à identifier la meilleure réponse dans un temps donné. Le second objectif de l’article est de montrer comme l’argument d’Andler fait le pont entre, d’une part, les théories de la justification publique et, d’autre part, les théories de la démocratie épistémique.
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 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.018 |
| Scholarly communication | 0.011 | 0.014 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.014 | 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".