Inductivisme

L'inductivisme est une conception épistémologique normative selon laquelle les connaissances doivent se construire uniquement sur la base d'un grand nombre d'observations et sans idées préconçues du réel. On en trouve d'abord une version « naïve » classique, qui a eu une grande influence, puis plusieurs versions plus sophistiquées. La première, que l'on peut faire remonter aux fondateurs de l'empirisme (notamment David Hume (1711-1776), qui défend la thèse selon laquelle les théories générales doivent être basées sur des observations empiriques ; celles-ci donnent lieu à des généralisations, que l'on peut considérer comme vraies ou probablement vraies. En effet, faute de pouvoir percevoir directement les liens de causalité entre les objets ou les phénomènes, nous devons les inférer de nos observations répétées. Ainsi, dit Hume, Cette description du processus de constitution des connaissances semble fonctionner pour le sens commun, ou pour les inférences auxquelles nous nous prêtons dans la vie quotidienne. En science, pour prouver la loi de la gravitation, il faudrait répertorier un grand nombre de cas de chutes de corps, ou de corps s'attirant les uns les autres (pour les corps cosmiques). L'inductivisme classique requiert un grand nombre de données répertoriées : ces données, si elles vont toutes dans le même sens (par exemple en ce qui concerne la chute des corps), permettent de construire une théorie scientifique ou une loi. Cependant, les données qui ne vont pas dans le même sens, les cas contraires, ne feront que diminuer la probabilité que l'énoncé à prouver soit effectivement vrai. Ces cas contraires ne pourront que détruire en partie la croyance ou la certitude, la réduisant à une probabilité. Ils seront difficiles à prendre en compte en tant que validant une théorie mieux que ce qui est habituellement perçu : par exemple, lorsqu'en 1918, un observateur a pu voir que la lumière était « pliée » autour du soleil, en accord avec les prédictions d'Einstein dans sa théorie de la relativité.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (15)

Personnes associées (2)

Unités associées (1)

Concepts associés (16)

Cours associés (1)

Séances de cours associées (1)

Hallmarks of Cancer: New Dimensions

Douglas Hanahan

The hallmarks of cancer conceptualization is a heuristic tool for distilling the vast complexity of cancer phenotypes and genotypes into a provisional set of underl y-ing principles. As knowledge of cancer mechanisms has progressed, other facets of the dis ...

AMER ASSOC CANCER RESEARCH2022

Conversational Multi-Hop Reasoning with Neural Commonsense Knowledge and Symbolic Logic Rules

Antoine Bosselut, Forough Arabshahi

One of the challenges faced by conversational agents is their inability to identify unstated presumptions of their users' commands, a task trivial for humans due to their common sense. In this paper, we propose a zeroshot commonsense reasoning system for c ...

ASSOC COMPUTATIONAL LINGUISTICS-ACL2021

Active Learning of Bayesian Probabilistic Movement Primitives

Jean-Marc Odobez, Sylvain Calinon, Hakan Girgin, Thibaut Antoine Kulak

Learning from Demonstration permits non-expert users to easily and intuitively reprogram robots. Among approaches embracing this paradigm, probabilistic movement primitives (ProMPs) are a well-established and widely used method to learn trajectory distribu ...

IEEE2021

HUM-425: Critical thinking I

This course will develop logical reasoning and argumentation skills to enable you to influence decision making. You will achieve this by learning how to represent and communicate your reasoning as ar

The deductive-nomological model (DN model) of scientific explanation, also known as Hempel's model, the Hempel–Oppenheim model, the Popper–Hempel model, or the covering law model, is a formal view of scientifically answering questions asking, "Why...?". The DN model poses scientific explanation as a deductive structure, one where truth of its premises entails truth of its conclusion, hinged on accurate prediction or postdiction of the phenomenon to be explained.

vignette|Schéma simple des étapes de la (méthode des sciences naturelles. La méthode hypothético-déductive est une méthode scientifique qui consiste à formuler une hypothèse afin d'en déduire des conséquences observables futures (prévision), mais également passées (rétroduction), permettant d'en déterminer la validité. Elle est au point de départ de la démarche expérimentale, théorisée en particulier par Roger Bacon (à ne pas confondre avec Francis Bacon) en 1267 dans De Scientia experimentali, une des sept parties de son Opus maius (« Œuvre majeure »).

La logique — du grec , qui est un terme dérivé de signifiant à la fois « raison », « langage » et « raisonnement » — est, dans une première approche, l'étude de l'inférence, c'est-à-dire des règles formelles que doit respecter toute argumentation correcte. Le terme aurait été utilisé pour la première fois par Xénocrate. La logique antique se décompose d'abord en dialectique et rhétorique. Elle est depuis l'Antiquité l'une des grandes disciplines de la philosophie, avec l'éthique (philosophie morale) et la physique (science de la nature).

Sciences et technologies : données comparables

Discuter de la transition des études de cas vers des données comparables dans les études de sciences et de technologies, en mettant l'accent sur les comparaisons et les indicateurs.