Bibliographic record
Abstract
Si le déploiement d’une compétence éthique en situation nécessite la capacité et la volonté de la personne à déceler et à résoudre les problèmes de nature éthique qu’il rencontre, je proposerai dans ce texte qu’il nécessite aussi, en raison de la part d’autonomie qu’il requiert, que la personne ait le pouvoir de déployer cette compétence.Or, alors que les deux premières conditions d’exercice dépendent de la personne, cette troisième condition, à laquelle je m’intéresserai plus particulièrement dans ce texte, lui est pour sa part externe. Ainsi, je proposerai que c’est non seulement la personne (sa volonté et sa capacité), mais aussi un enchevêtrement d’éléments du contexte (organisationnel, professionnel, culturel, etc.), de la situation et surtout, du réseau d’interactions dans lesquels une personne s’insère qui, parce qu’ils exercent sur elle des pouvoirs, détermineront si la personne aura la possibilité d’agir de façon compétente en situation éthique. Ainsi, s’intéresser à la compétence éthique impliquera nécessairement de s’intéresser à la question du pouvoir et à la façon dont s’exerceront les pouvoirs en situation – des pouvoirs sur ou des pouvoirs avec – puisque cela aura une influence déterminante sur le pouvoir de la personne de déployer (ou non) sa compétence de façon effective en situation.
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 | 0.013 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.004 | 0.013 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.015 | 0.005 |
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".