Bibliographic record
Abstract
Le réalisme moral, dans son acception classique, affirme qu’il existe des vérités morales objectives et nécessaires qu’il nous est parfois donné de découvrir. Appelé à motiver cette position forte, le réaliste se contente d’ordinaire de réfuter les accusations sceptiques. Au mieux, il invoque des faits moraux de premier ordre (éthique) pour justifier sa doctrine de second ordre (métaéthique). En un mot, si l’on croit au réalisme, ce serait ou bien sans argument ou bien en vertu d’un argument circulaire. Dans les deux cas, le réalisme semble reposer sur une forme de dogmatisme. Le réalisme est aussi accusé, souvent implicitement, de cautionner le dogmatisme en éthique. Après tout, selon le réalisme, la morale n’est pas une question d’opinion ou de consensus, mais de vérité et de découverte. Néanmoins, cette double accusation est erronée. D’une part, le réalisme ne repose pas forcément sur le dogmatisme puisqu’il est possible d’être réaliste sans être dogmatique. D’autre part, le réalisme ne cautionne pas le dogmatisme en éthique. Pour avancer ces deux thèses, j’offre une définition du dogmatisme en quatre volets et je montre que le réalisme peut tous les éviter. Cette réflexion suggère que la pratique de l’éthique et celle de la métaéthique doivent être reliées.
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 | 0.006 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.052 |
| Scholarly communication | 0.011 | 0.008 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.005 | 0.010 |
| 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".