MétaCan
Menu
Retour à la cohorte
Enregistrement W1637317095 · doi:10.3138/ctr.163.018

Taking the Measure of Nuit Blanche 2014

2015· article· en· W1637317095 sur OpenAlexvenueaboutno aff
Caitlin M. Austin, Kat Dos Santos, Sarah E. Gilpin, Minji Kim, Jonas Trottier, Kim Solga

Notice bibliographique

RevueCanadian Theatre Review · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAttendancePerformance artDisappointmentVisual artsArtArt historyHistoryPsychologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract: Six years ago, Laura Levin and Kim Solga reflected in CTR on their travels through the 2008 edition of Toronto’s Scotiabank Nuit Blanche all-night art festival. That review offered a trenchant critique of the ways in which “the event that is Nuit Blanche” was beginning uncomfortably to “eclips[e] the art that is Nuit Blanche.” Today, with nearly a decade of Nuit Blanches in Toronto behind us, with attendance numbers increasing every year, and with Toronto an established “creative city” at the forefront of urban neoliberalism, that critique seems almost too obvious. Nuit Blanche is now marketed and represented in the media as a good-time street party, but it does not necessarily follow that the meanings Nuit Blanche makes for spectators on the ground are in any way stable, or necessarily banal. In October 2014, Solga set out for Nuit Blanche with a vanload of students from her undergraduate performance studies seminar. The goal: to experience as much of the festival as possible, with an eye to investigating the ways in which the art on offer hailed it spectators and invited active, participatory engagement. What did Nuit Blanche want from a keen and largely novice group of performance art enthusiasts? What would it offer in return? Would it let them down? And, if so, what might they learn from their disappointment?

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,038
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0090,013
Communication savante0,0090,007
Science ouverte0,0010,007
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,092
Tête enseignante GPT0,333
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Theatre ReviewMême sujetSport and Mega-Event ImpactsTravaux en français237 207