Bibliographic record
Abstract
HHi ha paraules que, en un moment determinat, emergeixen com a catalitzadores d'idees que prèviament havien tingut altres sentits. Entre elles estan «innovació» i «disseny». La innovació ha estat tradicionalment associada a la ciència aplicada, especialment a la tecnologia, mentre que els canvis en les ciències pures se solien catalogar com a descobriments, invencions o creacions sense més ni més. No obstant això, des de fa unes dècades, la innovació s'ha endinsat en tots els àmbits del coneixement científic, tant en les ciències pures com en les aplicades. També el disseny ha eixit del nínxol on havia romàs durant dècadesi fins i tot centúries, almenys pel que fa a la història de la filosofia i de la ciència. De fet, a mesura que s'ha anat introduint en el món acadèmic ha estat molt lligat a l'art i aplicat a entorns de la nostra vida quotidiana. L'objectiu d'aquest article és analitzar els processos d'innovació en les ciències pures i aplicades, veient fins a quin punt les teories de disseny sorgides en les últimes dècades han influït en la innovació de camps com l'epistemologia i la tecnologia. Ens centrarem en l'epistemologia de disseny i en la innovació metodològica, en concret en la simulació i els models metodològics de disseny. Prendrem com a referència tant les ciències pures o descriptives com les aplicades o de disseny, a més de la tecnologia subjacent a ambdóscamps i amb un paper molt rellevant en els processos d'innovació.
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 | 0.010 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.029 |
| Scholarly communication | 0.020 | 0.013 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.014 | 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".