MétaCan
Menu
Retour à la cohorte
Enregistrement W2337685251 · doi:10.1177/0725513616638479

Inhabiting grey space and unravelling bodily outlines

2016· article· en· W2337685251 sur OpenAlexaff
Heidi Bickis

Notice bibliographique

RevueThesis Eleven · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSpace (punctuation)NarrativeAestheticsRelevance (law)SociologyEpistemologyVisual artsArtPhilosophyLinguisticsLiterature

Résumé

récupéré en direct d'OpenAlex

This paper examines the competing ‘languages’ of line in Julie Mehretu’s series, Grey Area (2007–9) and elaborates on the implications these lines have for theories of space, bodies and, in particular, the relationship between the two. Grey Area explores what Mehretu describes as a grey and in-between space. The series is composed of seven large abstract canvases covered in an assortment of gestural tracings and neatly traced rational lines (e.g. architectural lines). The juxtaposition of these competing linely narratives not only creates a grey space visually, but compels viewers to stretch their bodies across the canvases and between the lined layers thus, facilitating a brief inhabitance of grey space. Building from this analysis, the paper reflects on the relevance of the lines and the stretching they elicit for examining the complexities of contemporary modes of inhabitation that often extend across multiple geographical sites and temporal modes. Thus, engaging with Mehretu’s lined abstractions draws attention to the importance of space in the production of bodily boundaries, what I call geographical and temporal bodily outlines. In addition to contributing to body-space theories, the paper also demonstrates the valuable insights gained by attending to the unique social-aesthetic analyses of visual art and artists.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,021
Communication savante0,0050,007
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,304
Écart entre enseignants0,270 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThesis ElevenMême sujetGeographies of human-animal interactionsTravaux en français237 207