Bibliographic record
Abstract
Peut-on faire de la philosophie sur Twitter ? 140 caractères suffisent-ils pour développer une communauté virtuelle basée sur la communication paritaire et le partage d’opinions ? C’est à ces questions que le présent article entend répondre, à partir de l’analyse de deux expériences conduites sur Twitter par l’auteur. Le but n’est pas seulement de faire émerger les potentialités et les limites, en partie déjà connues, de Twitter, mais aussi de vérifier la possibilité de conduire une investigation philosophique à la hauteur de l’époque dans laquelle elle est amorcée et des outils à travers lesquels elle peut s’exprimer. Il s’agit de comprendre cette époque et ces outils, de sortir de l’acquiescement au sens commun et à ses catégories, d’exercer ce droit de critique que la philosophie s’est toujours réservé, en particulier face à ce qui peut sembler inévitable. En retour, il s’agit de comprendre ce que la philosophie peut être aujourd’hui, à l’époque des nouvelles technologies, de se demander ce que philosopher peut vouloir dire par rapport et à travers elles, et surtout d’expliquer comment il est possible de philosopher vraiment, d’une façon juste et bonne.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.006 | 0.019 |
| Scholarly communication | 0.016 | 0.024 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.029 | 0.007 |
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".