008240612s2023      us  |||||||||||||||c||eng  d
■001000016933356
■00520240214101236
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798379709310
■035    ▼a(MiAaPQ)AAI30527994
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a501
■1001  ▼aLi,  Dan.▼0(orcid)0000-0002-5745-9838
■24510▼aFrontiers  in  Climate  Science:  Inquiries  Into  Data  and  Methods  =▼b气候科学前沿：数据和方法的探索▼h[electronic  resource]
■260    ▼a[S.l.]:▼bIndiana  University.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(149  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  84-12,  Section:  B.
■500    ▼aAdvisor:  Lloyd,  Elisabeth  A.;Flammini,  Alessandro.
■5021  ▼aThesis  (Ph.D.)--Indiana  University,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aWhen  climate  scientists  face  research  questions  that  lack  paradigmatic  solutions,  they  seek  methods  and  explanations  elsewhere.  This  dissertation  is  dedicated  to  offering  analyses  and  improvement  of  foreign  methods  in  climate  science.  I  do  so  by  first  explicating  the  inferential  strategies  behind  these  methods  and  then  articulating  how  we  can  improve  these  methods  to  answer  certain  questions.  After  a  brief  introduction  to  philosophy  of  climate  science  and  the  naturalistic  tradition  of  philosophy  of  science,  in  Ch.  2,  I  analyze  a  "missing  tree  ring"  debate  regarding  whether  trees  could  miss  the  growth  of  their  annual  ring  at  a  large  scale  due  to  extreme  environmental  conditions.  In  Ch.  3,  I  discuss  machine  learning  as  automated  induction  and  show  that  various  problems  of  induction  anticipated  by  philosophers  are  concrete  obstacles  in  machine  learning  practice  and  theory.  I  then  explain  how  to  select  variables  that  can  help  make  the  inductive  leap  to  mitigate  these  problems  with  examples  from  climate  science.  In  Ch.  4,  I  study  how  scientists  can  meaningfully  apply  network  modeling  on  climate  data.  Broadly,  this  dissertation  makes  two  contributions.  First,  it  aims  to  help  scientists.  Each  case  study  is  accompanied  with  methodological  suggestions  that  can  be  implemented  as  scientific  research  projects.  Second,  this  dissertation  demonstrates  doing  "philosophy  in  science,"  that  is  "raising  a  scientific  problem,  using  philosophical  tools  to  address  it,  and  making  a  scientific  proposal"  (Pradeu  et  al.  2021).  Thinking  through  these  cases,  I  show  that  ideas  should  run  before  computation.  Thus,  this  dissertation  is  also  a  showcase  of  how  philosophy  and  science  can  benefit  from  each  other  by  paying  attention  to  the  reasoning  behind  each.
■590    ▼aSchool  code:  0093.
■650  4▼aPhilosophy  of  science.
■650  4▼aInformation  science.
■650  4▼aClimate  change.
■653    ▼aParadigmati
■653    ▼aClimate  science
■653    ▼aForeign  methods
■653    ▼aPhilosophical  tools
■653    ▼aMachine  learning
■690    ▼a0402
■690    ▼a0723
■690    ▼a0404
■71020▼aIndiana  University▼bHistory  and  Philosophy  of  Science.
■7730  ▼tDissertations  Abstracts  International▼g84-12B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0093
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16933356▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024