Bibliographic record
Abstract
Certains philosophes affirment que les relations causales sont fondées sur les lois de la nature. Cette conception cadre mal avec la réalité des sciences biomédicales et des sciences humaines. Pour se rapprocher de la pratique réelle des diverses sciences, James Woodward propose une conception de la causalité et de l’explication causale fondée sur une relation beaucoup moins exigeante que celle de loi de la nature, qu’il appelle l’invariance. Le but de ce mémoire est de présenter le concept d’invariance et les autres concepts causaux qui s’y rattachent et, d’identifier certaines difficultés, dans le but de cerner l’usage approprié de cette famille de concepts. La conception causale de Woodward suppose que le but de la recherche des causes est pratique plutôt que simplement épistémique : il s’agit pour les agents de s’appuyer sur les causes pour modifier les phénomènes. Cette conception est également non-réductive; elle utilise des contrefactuels et reflète les méthodes expérimentales des diverses sciences. La cohérence de cette conception avec les généralisations causales réelles des sciences fait en sorte qu’elle abandonne l’objectif d’universalité rattaché à la notion de loi de la nature, en faveur d’un objectif de fiabilité temporaire. De plus, comme le critère d’invariance est peu exigeant, d’autres critères doivent lui être ajoutés pour identifier, parmi les relations causales (c’est-à-dire invariantes), les relations les plus susceptibles d’être employées pour modifier les phénomènes de façon fiable.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.017 |
| Scholarly communication | 0.004 | 0.011 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.008 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".