MétaCan
Menu
Retour à la cohorte
Enregistrement W2151058362 · doi:10.1016/j.jcps.2009.05.013

Perceiving images and telling tales: A visual and verbal analysis of the meaning of the internet

2009· article· en· W2151058362 sur OpenAlexafffund
Annamma Joy, John F. Sherry, Alladi Venkatesh, Jonathan Deschênes

Notice bibliographique

RevueJournal of Consumer Psychology · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensHEC MontréalUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMetaphorVisual rhetoricPsychologyPerceptionArgument (complex analysis)Meaning (existential)AbstractionCognitive psychologyRhetoricConstruct (python library)NarrativeThe InternetCognitive scienceLinguisticsEpistemologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This paper uses visual and verbal analysis to delve into the multi‐faceted ways in which individuals construct their own meanings and shape their own experiences with the Internet. We build on the Zaltman Metaphor Elicitation Technique, and the principles of visual rhetoric to show how perceptual processes affect picture choices, and how these choices contribute to the narrative imagination. Numerous perceptual principles [abstraction, concept formation, perceptual problem solving, constancy, closure, symmetry and balance]are identified in the choice and organization of visual images. The argument we make is that images and words (visual and textual processes) provide deeper insights into our understanding of consumer online experiences.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,440
Score d'incertitude au seuil0,247

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,017
Tête enseignante GPT0,333
Écart entre enseignants0,316 · 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.

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

Citations28
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Consumer PsychologyMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207