MétaCan
Menu
Retour à la cohorte
Enregistrement W2013813417 · doi:10.2478/abcsj-2013-0013

Becoming Animal, Becoming Others: What We Make with Art and Literature

2013· article· en· W2013813417 sur OpenAlexaff
Karin Cope

Notice bibliographique

RevueAmerican, British and Canadian Studies · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensNSCAD University
Organismes subventionnairesnon disponible
Mots-clésPoeticsPoetryPsychoanalytic theoryAestheticsTransformative learningCreativitySociologyEpistemologyPhilosophyArtLiteraturePsychoanalysisPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract What is poetry for? How does poiesis or making - the Greek root of the words poetry and poetics - succeed in moving us, in getting under our skins? “Becoming Animal” argues that art and literature are crucial zones of play, transformative modes that work by mixing up self and other, inside and out, human, animal and other matter. The essay moves from a consideration of D.W. Winnicott’s psychoanalytic discussion of the relationship between play and creativity, self and other, to Howard Searles’ investigation of transference and counter-transference as possible models for engaged and sensuously attuned critical stances. The last section of the essay offers an account of the “transgenic” work of Eduardo Kac, which literally mixes genetic material as art. The essay concludes by arguing that art, as poiesis, works by engaging us in constant contact with what is not ourselves as a process of becoming ourselves; it argues that such ‘self-estrangement’ is the way we sort out how to live an ontologically rich and ethically meaningful life.

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 candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,576
Score d'incertitude au seuil1,000

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 technologies0,0010,001
Communication savante0,0010,001
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 Opus0,019
Tête enseignante GPT0,284
Écart entre enseignants0,265 · 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.

Devis d'étudeQualitatif
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican, British and Canadian StudiesMême sujetGeographies of human-animal interactionsTravaux en français237 207