Notice bibliographique
Résumé
Abstract Visual Rhetoric (VR) is a field of inquiry aiming to analyze all kinds of visual images and texts as rhetorical structures. VR is an offshoot of both visual semiotics, or the study of the meanings of visual signs in cultural contexts; and of the psychology of visual thinking, as opposed to verbal thinking—defined as the capacity to extract meaning from visual images. The basic method of VR, which can be traced back to Roland Barthes’s pivotal 1964 article “The Rhetoric of the Image,” is to unravel to connotative meanings of visual images. The picture of a lion, for instance, can be read at two levels. Denotatively (or literally) it is interpreted as “a large, carnivorous, feline mammal of Africa.” This level conveys informational or referential meaning. But the image of lion in, say, an advertisement or music video invariably triggers a connotative sense—namely, “fierceness, ferociousness, bravery, courage, virility.” The key insight of VR is that connotation is anchored in rhetorical structure, that is, in cognitive-associative processes such as metaphor and allusion, which are imprinted not only in verbal expressions, but also in visual images. So, the image of a lion in, say, a logo design for men’s clothing would bear rhetorical-connotative meaning and affect the way in which the clothing brand is perceived. This same basic approach is applied to all visual expressive artifacts, from traditional visual art works to the design of web pages and comic books. VR is showing that visual objects are rhetorical objects and that, therefore, they can be used to influence and persuade people as effectively as rhetorical oratory, if not more so. Given its simple, yet effective method of analysis, VR is spreading to various disciplines as a technique, including psychology, anthropology, marketing, and graphic design, among many others, affirming how visual images tap into a system of symbolism that is interconnected with other forms of symbolism and representation.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,022 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».