Bibliographic record
Abstract
Le scienze, come altri campi dell’attività umana, sono spesso vittime di pregiudizi. Tradizionalmente, il discorso stereotipato di certi mass media e generatori d’opinione ha sviluppato e diffuso un’immagine banalizzata e poco realista della ricerca scientifica, contribuendo ad accrescere il divario che separa le scienze umane e sociali (come \nl’antropologia) dalle scienze esatte e naturali (come le neuroscienze). Eppure, tale divario si è costruito artificialmente e poco ha a che vedere con la realtà oggettiva e con la quotidianità dei ricercatori: si ha spesso la tendenza ad associare gli scienziati sociali ai flâneurs, passeggiatori che attraversano le culture, osservando e sistematizzando -più o meno soggettivamente- strutture e logiche sociali quando invece i “veri” scienziati, quelli in camice bianco, sono tendenzialmente associati ad un immaginario asettico fatto di macchinari, tecnologia \ne strumenti di precisione atti a garantire l’oggettività del loro lavoro. Una menzogna ben orchestrata, questa, che non rende merito al processo dialogico che ha permesso ad entrambi i versanti della scienza (quella “molle”, delle scienze umane e sociali, e quella “dura”, delle scienze esatte e naturali) di costruire quel sapere polifonico che costituisce la nostra modernità. Quest'intervento vuole dunque contribuire a mostrare come l’antropologia e le neuroscienze, andrebbero considerate come due discipline “amiche” che, sin dalle origini, si son stimolate a vicenda, dato che condividono temi e metodi di ricerca.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.003 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.012 |
| Science and technology studies | 0.143 | 0.064 |
| Scholarly communication | 0.041 | 0.013 |
| Open science | 0.036 | 0.020 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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; both teacher heads agree on what is shown here.
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".