Now for the fudging argument. When

Now for the fudging argument. When scientists have data to
accommodate, they do the best they can. If the data are diverse, however,
this can lead to a sacrifice in simplicity and other theoretical virtues. That
is what I mean by `fudging': the scientist may, perhaps subconsciously,fudge the theory, putting in a few epicycles or extra loops to ensure that
more of the data gets captured. In a case of prediction, by contrast, the
scientist has no motive to introduce anything unnatural into the theory,
because she does not know the right answer in advance and so would not
know what kink to introduce into the theory even if one were required. So
in this case the scientist will use the simplest theory and, if the prediction is
successful, will have exercised both empirical and theoretical virtue.

Hasil (Bahasa Indonesia) 1:

Sekarang untuk fudging argumen. Ketika ilmuwan memiliki datamengakomodasi, mereka melakukan yang terbaik yang mereka dapat. Jika data beragam, namun,Hal ini dapat menyebabkan korban dalam kesederhanaan dan kebajikan lainnya teoritis. Bahwaapa yang saya maksud dengan 'fudging': ilmuwan mungkin, mungkin tidak sadar, fudge teori, menempatkan dalam beberapa epicycles atau tambahan loop untuk memastikan bahwalebih dari data mendapat ditangkap. Dalam kasus prediksi, sebaliknya,ilmuwan telah tidak punya motif untuk memperkenalkan sesuatu yang tidak wajar ke dalam teori,karena dia tidak tahu hak menjawab terlebih dahulu dan jadi tidak akantahu apa berbelit-belit untuk memperkenalkan ke dalam teori bahkan jika salah satu yang diperlukan. Jadidalam hal ini para ilmuwan akan menggunakan teori sederhana dan, jika prediksiberhasil, akan dilakukan teoritis maupun empiris kebajikan.