MétaCan
Menu
Retour à la cohorte
Enregistrement W2518396513 · doi:10.1177/1086296x16665323

The Matter of New Media Making

2016· article· en· W2518396513 sur OpenAlexaff
Christian Ehret, Ty Hollett, Robin Jocius

Notice bibliographique

RevueJournal of Literacy Research · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAction (physics)SociologyFeelingDialecticLiteracyMaking-ofDigital mediaEpistemologyMedia studiesPedagogyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Representational logic cannot account for the entanglements of all that matters in making new media: feeling bodies, vibrant matter, feeling bodies and vibrant matter all moving and at different rates. In the currently shifting communicative landscape, where mobile technologies are the primary means for youths’ digital production, all this movement, all this moving matter, is integral to generating fuller, more (than) human expressions of youths’ new media making. This article therefore develops a non-representational theory of new media making through an intra-action analysis of five adolescents making a digital book trailer while moving within and across three locations. As guiding poststructural methodology, intra-action analysis attuned the authors to moments when bodies-materials-place became perceptibly entangled in the drawing of boundaries and exclusions. Analysis expresses how emergent (re)shapings of boundaries and exclusions across production settings were concurrent with a process of privileging text-based/media-based ideas and thereby various students’ becoming agencies and capacities to act as new media makers. The article concludes arguing that poststructural attention to literacy in the making matters as an ethical imperative for researchers and educators. Literacy in the making enacts boundaries and exclusions that participate in ongoing discursive-material practices, which have potential to produce histories differently in as yet unimagined futures.

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)0,013
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,081
Communication savante0,0180,027
Science ouverte0,0020,009
Intégrité de la recherche0,0020,005
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 Opus0,172
Tête enseignante GPT0,416
Écart entre enseignants0,245 · 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'étudeSans objet
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

Citations74
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Literacy ResearchMême sujetLiteracy, Media, and EducationTravaux en français237 207