MétaCan
Menu
Retour à la cohorte
Enregistrement W2092974919 · doi:10.13008/2151-2957.1064

Meat My Hero: “I have a Dream” of Living Language in the Work of Donna Haraway, Or, Ride ‘Em Cowboy!

2010· article· en· W2092974919 sur OpenAlexaff
Rebecca R. Scott

Notice bibliographique

RevuePoroi · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésDreamHEROArtWork (physics)Art historyVisual artsAestheticsLiteraturePsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Meaning is the product of dialectical negotiations of competing meanings that have their origins in cultural, subcultural, and idiosyncratic differences. Below obvious, surface, or dominant understandings, latent meanings wait to bubble up. This dynamic process of meaning-making suggests that language is, to a certain degree, uncontainable and very lively. Donna Haraway's work can be characterized by an attention to this 'latency' in language. I argue that Haraway’s use of language is not merely a way of communicating ideas, but constitutes a methodology, theory and praxis all at once, because she obtains “data” by mining latency, because she theorizes the significance of undercurrents and assumptions in phenomena, and because her writing itself demonstrates the very latency she is keen to explore. Here, language demonstrates an immensely generative capacity, such that we can understand language as being “living” – perhaps a companion species, and not merely dead “meat.” Through an analysis of American meat culture and what I call “meat heroism," I mime the infinite recursion in Haraway’s work, adopting her praxis in order to illuminate her praxis in order to illuminate her method which illuminates her theory. This paper is about language, failure, humour, cowboys, hero sandwiches, Martin Luther King Jr., and protein.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,466
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,328
Écart entre enseignants0,304 · 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

Citations4
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePoroiMême sujetGeographies of human-animal interactionsTravaux en français237 207