Bibliographic record
Abstract
C’est au problème de distribution, de désignation et de discrétisation de la séquence d’inférence abductive ainsi qu’à ses conséquences sur nos systèmes de connaissance que je consacre cet article. Charles S. Peirce a fait de l’abduction la dynamique inférentielle unique de la créativité. Par elle seule advient toute idée nouvelle. Son importance dans l’épistémologie peircienne est donc considérable, mais la compréhension de son fonctionnement réel n’est pas sans poser quelques problèmes à notre entendement, à commencer par le mystère que représente son origine et la difficulté qu’il y a à saisir la portée réelle de son action. Pourtant, l’abduction est au coeur des processus inférentiels qui structurent notre expérience épistémique ordinaire. Contre l’hypothèse intuitionniste, je défends l’argument évolutionniste ; contre une explication logique, je fais valoir la nature sémiosique de l’expérience abductive. Pour étayer ma compréhension du phénomène et des problèmes qui lui sont inhérents, il me faut élargir le spectre de l’analyse à un ensemble plus vaste que l’abduction seule et considérer ce que j’appelle l’instruction. En m’appuyant sur une hypothèse de Mihhail Lotman, j’invite à considérer le caractère « homofinal » de l’instruction : telle que je la définis, elle est à la fois à l’origine et le résultat de l’abduction en tant que telle. Les conclusions fournies ici sont d’abord méthodologiques : à défaut de pouvoir résoudre le mystère de l’abduction, elles en précisent la nature.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.020 |
| Scholarly communication | 0.004 | 0.009 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.003 | 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".