Toward a Poetics and Pedagogy of Sound: Students as Production Engineers in the Literature Classroom
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
M discussions of successful efforts to engage students in multi-modal discourses and prepare them for adapting to digital formats have focused on composition and creative writing classrooms. Cynthia Selfe, Lev Manovich and others have called for aural, visual, and other multi-modal approaches not only because of diverse learning styles and ever-changing technologies of communication, but also because these modes are important to different communities and cultures (Selfe 616). In literature classes, even if we use multi-modal assignments, the focus on writing critical analysis though a creative practice may seem more distanced from the generative aspects of “making” in a composition or creative writing classroom. This distinction, with its blurry edges, echoes the debate among digital humanities theorists between theorizing and making. I would argue that literature classrooms in the 21st Century are spaces ripe for exploring multi-modal experiences that mix up the critical and the creative, theorizing and “making.” Literature classrooms can incorporate more of what Amanda Stirling Gould calls a “makerspace learning environment” (26) so that we not only think about, but “think with” the media we use (Hayles, How We Think 24). Leading digital humanities scholars contend that [t]he social, political, and ecological challenges of the 21st century demand significantly more than textual analysis or recitations of inherited content. These problems (and opportunities) will need people trained to create synthetic responses, rich with meaning and purpose, and capable of communicating in a range of appropriate media, including but not limited to print. (Burdick, Drucker, Lunenfeld, Presner, and Schnapp 25)
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle