Éthique et justice climatique : entre motivations morales et amorales
Bibliographic record
Abstract
Dans un contexte d’urgence, les philosophes ne peuvent plus se contenter d’élaborer des théories idéales de la justice climatique fondées sur des motivations purement morales. Il est désormais nécessaire d’envisager des approches non idéales. Nous proposons ici de prendre au sérieux le problème de la motivation à l’action et nous mettons en avant certains motifs prudentiels pour lutter contre le changement climatique, en vue non pas de remplacer, mais de renforcer les motivations morales existantes, mais insuffisantes. Nous commençons par présenter trois grandes approches idéales qui ont prévalu jusqu’ici dans la recherche sur la justice climatique et sont fondées respectivement sur l’éthique déontologique, sur l’éthique des vertus et sur l’utilitarisme. Nous mettons en évidence leurs limites pratiques, en ciblant le problème de la motivation à l’action. Nous proposons ensuite quelques pistes pour résoudre ce problème en esquissant une approche non idéale de la justice climatique. Cette approche est centrée sur les motivations amorales ressortant de l’examen attentif des perturbations systémiques globales et des contextes nationaux et locaux spécifiques. Elle est à notre sens incontournable pour motiver les États-nations, les entreprises et les individus. Il s’agit cependant moins de la substituer totalement aux théories idéales de la justice climatique que de compléter celles-ci pour établir une vision plus compréhensive qui distingue le problème de la justification morale de celui de la motivation.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.021 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 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".