Argumentos de raciocínio prático: uma abordagem modular
Bibliographic record
Abstract
Este artigo tem por objetivo comparar as formas atuais de modelar a estrutura inferencial de argumentos de raciocínio prático (baseados em objetivos) e propor uma nova abordagem na qual esta estrutura é considerada de maneira modular. O raciocínio prático não é visto simplesmente como um raciocínio que parte de um objetivo e de um meio para uma ação usando o esquema básico de argumentação; em vez disso, é concebido como uma estrutura complexa de inferências classificatórias, avaliativas e práticas, formalizada como um agrupamento de três tipos de esquemas de argumentação distintos e interligados. Usando dois exemplos reais, mostramos como a aplicação dos três tipos de esquemas a um conjunto de raciocínio prático permite que a/o analista reconstrua as premissas tácitas pressupostas e avalie as etapas de raciocínio argumentativo envolvidas. Esta abordagem será apresentada de modo a superar as limitações dos modelos de argumentos de raciocínio prático existentes nos quadros teóricos de BDI (Belief – Desire – Intention) e de Comprometimento, ao fornecer uma ferramenta útil para a Análise do Discurso e outras disciplinas. Especificamente, a aplicação deste método revela o papel crucial da classificação no raciocínio prático, mostrando como a ordenação de valores e de preferências consiste em apenas uma das possíveis áreas de desacordo profundo.
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 | 0.008 | 0.018 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.004 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.009 |
| Scholarly communication | 0.008 | 0.021 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 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".