دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Profiles, Probabilities, and Stereotypes
دانلود کتاب نمایه ها، احتمالات، و کلیشه ها
مشخصات کتاب
Profiles, Probabilities, and Stereotypes
ویرایش:
نویسندگان: Frederick Schauer
سری:
ISBN (شابک) : 0674021185, 9780674011861
ناشر:
سال نشر: 2006
تعداد صفحات: 376
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
قیمت کتاب (تومان) : 41,000
در صورت تبدیل فایل کتاب Profiles, Probabilities, and Stereotypes به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب نمایه ها، احتمالات، و کلیشه ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب نمایه ها، احتمالات، و کلیشه ها
این کتاب رویکردی دقیق، دقیق و در عین حال پر جنب و جوش را برای این پرسش به موقع به کار می گیرد که آیا می توانیم به طور عادلانه اعضای یک گروه را بر اساس گرایش های آماری آن گروه تعمیم دهیم. به عنوان مثال، آیا یک آکادمی نظامی باید زنان را کنار بگذارد، زیرا به طور متوسط، زنان نسبت به مردان حساس‌تر هستند؟ آیا خطوط هوایی باید همه خلبانان را مجبور به بازنشستگی در شصت سالگی کنند، حتی اگر بیشتر خلبانان در آن سن بینایی عالی داشته باشند؟ آیا می توان همه پیتبول ها را به دلیل ویژگی های تهاجمی نژاد ممنوع کرد؟ و از همه بحث برانگیزتر، آیا دولت و مجریان قانون باید از پروفایل های نژادی و قومیتی به عنوان ابزاری برای مبارزه با جرم و جنایت و تروریسم استفاده کنند؟ فردریک شوئر در تلاش است تا این سؤالات خاردار را تحلیل و حل کند. وقتی قانون «مثل یک اکچوئر» فکر می‌کند--در مورد گروه‌ها بر اساس میانگین‌ها تصمیم می‌گیرد- منافع عمومی می‌تواند بسیار زیاد باشد. از سوی دیگر، نمایه سازی و کلیشه سازی ممکن است منجر به بی عدالتی شود. و بسیاری از کلیشه ها خودشکوفایی هستند، در حالی که دیگران به سادگی جعلی هستند. پس چگونه می‌توانیم تصمیم بگیریم که کدام کلیشه‌ها دقیق هستند، کدام تحریف هستند، کدامیک می‌توانند به طور منصفانه اعمال شوند، و کدام یک منجر به انگ ناعادلانه می‌شود؟ این تصمیمات نه تنها باید بر دقت آماری و تجربی، بلکه بر اخلاق نیز تکیه کنند. حتی تعمیم‌های آماری صحیح ممکن است گاهی اوقات به خواسته‌های عدالت تسلیم شوند. اما قضاوت های گسترده همیشه یا حتی معمولاً غیراخلاقی نیستند و ما نباید همیشه آنها را به دلیل بیزاری غریزی از کلیشه ها نادیده بگیریم. همانطور که Schauer استدلال می کند، پروفایل خوب و پروفایل بد وجود دارد. اگر بتوانیم به طور مؤثر تعیین کنیم کدام کدام است، معیاری از عدالت را به دست می آوریم، نه از دست دادن.
توضیحاتی درمورد کتاب به خارجی
This book employs a careful, rigorous, yet lively approach to the timely question of whether we can justly generalize about members of a group on the basis of statistical tendencies of that group. For instance, should a military academy exclude women because, on average, women are more sensitive to hazing than men? Should airlines force all pilots to retire at age sixty, even though most pilots at that age have excellent vision? Can all pit bulls be banned because of the aggressive characteristics of the breed? And, most controversially, should government and law enforcement use racial and ethnic profiling as a tool to fight crime and terrorism? Frederick Schauer strives to analyze and resolve these prickly questions. When the law "thinks like an actuary"--makes decisions about groups based on averages--the public benefit can be enormous. On the other hand, profiling and stereotyping may lead to injustice. And many stereotypes are self-fulfilling, while others are simply spurious. How, then, can we decide which stereotypes are accurate, which are distortions, which can be applied fairly, and which will result in unfair stigmatization? These decisions must rely not only on statistical and empirical accuracy, but also on morality. Even statistically sound generalizations may sometimes have to yield to the demands of justice. But broad judgments are not always or even usually immoral, and we should not always dismiss them because of an instinctive aversion to stereotypes. As Schauer argues, there is good profiling and bad profiling. If we can effectively determine which is which, we stand to gain, not lose, a measure of justice.
