MétaCan
Menu
Retour à la cohorte
Enregistrement W1585733511 · doi:10.5539/ass.v11n16p246

Clash of Images: 9/11 & Terrorism

2015· article· en· W1585733511 sur OpenAlexvenueno aff
Esmaeil Zeiny, Noraini Md. Yusof

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueVisual Culture and Art Theory
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHatredPersuasionSympathyTerrorismIdeologyImage (mathematics)SociologyPsychologyAestheticsComputer scienceSocial psychologyArtificial intelligencePolitical scienceArtLawPolitics

Résumé

récupéré en direct d'OpenAlex

The world we live is fraught with visual images. These images are central to how we communicate and represent in our lives. They are of significance in the imagination and construction of cultural identities. Visual communication is more ubiquitous than ever before because images have the ability to quickly influence viewers both cognitively and emotionally. Many of the images that we see daily are ideological images such as the anti-Muslim or anti-American pictures triggered by 9/11. This paper examines the 9/11 images and the consequent images of ‘war on terror.’ Utilizing and extending Gillian Whitlock’s theory of ‘soft weapons’ to images, we argue that images which have long been recruited as propaganda can act as weapon in soliciting support and sympathy by generating hatred. We shed light on the fact that the clash of images is indicative of current image culture where images are powerful tools of persuasion when they array against and engage with one another.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,064
Tête enseignante GPT0,310
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetVisual Culture and Art TheoryTravaux en français237 207