Learning by watching Vernacular Iñupiaq-Inuit design learning as inspiration for design education
Notice bibliographique
Résumé
In this article, I explore a single case of vernacular clothing design — the practice and learning of design for contemporary Iñupiaq-Inuit clothing made by women from Kaktovik in Northern Alaska — and I hope to contribute to a better understanding of design practice and learning in general. Design research has many unexplored areas, and one of these omissions is vernacular design, or folk design. In my opinion, professional and academic design may well have something to learn from vernacular design, although this research is about vernacular learning and about what, why and how the ‘making’ discipline of clothing design is learned. This study was based on observations of and interviews with seamstresses and research-by-design, which includes authorial participation in designing and sewing in adherence to Iñupiaq tradition. All of this was recorded on digital video film. The investigation of Iñupiaq-Inuit clothing design indicates that watching was the most common way of learning, a phenomenon I have chosen to call learning-by-watching, a concept that can be seen as a development of both Schön and Wenger’s theories of learning, as influenced by John Dewey’s theory of learning-by-doing. This study will be discussed in connection with design education, from kindergarten to professional studies in higher education, in the forthcoming research project, Design Literacy, the purpose of which is to develop theory to improve design education in both compulsory and academic design education. Consequently, to improve design education in general, a thorough focus on learning-by-watching in communities of practice would make for more reflective practitioners and more sustainable design practices in the long run. Keywords: Vernacular design, clothing design, design thinking, learning-by-watching, learning-bydoing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».