Notice bibliographique
Résumé
Database Aesthetics examines the database as cultural and aesthetic form, explaining how artists have participated in network culture by creating data art. The essays in this collection look at how an aesthetic emerges when artists use the vast amounts of available information as their medium. Here, the ways information is ordered and organized become artistic choices, and artists have an essential role in influencing and critiquing the digitization of daily life. Contributors: Sharon Daniel, U of California, Santa Cruz; Steve Deitz, Carleton College; Lynn Hershman Leeson, U of California, Davis; George Legrady, U of California, Santa Barbara; Eduardo Kac, School of the Art Institute of Chicago; Norman Klein, California Institute of the Arts; John Klima; Lev Manovich, U of California, San Diego; Robert F. Nideffer, U of California, Irvine; Nancy Paterson, Ontario College of Art and Design; Christiane Paul, School of Visual Arts in New York; Marko Peljhan, U of California, Santa Barbara; Warren Sack, U of California, Santa Cruz; Bill Seaman, Rhode Island School of Design; Grahame Weinbren, School of Visual Arts, New York. Victoria Vesna is a media artist, and professor and chair of the Department of Design and Media Arts at the University of California, Los Angeles.
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 | 0,020 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,010 | 0,023 |
| Communication savante | 0,043 | 0,066 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,006 |
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 ».