From Many Masters to Many Students: YouTube, Brazilian Jiu Jitsu, and communities of practice
Notice bibliographique
Résumé
Prior to the last two decades, martial arts practice in Western countries was shrouded by secrecy and esoteric philosophies and there was very little transmission of techniques between practitioners outside of individual martial arts clubs. Techniques were passed down from one master to many students. With the increase in popularity of mixed martial arts, there has been a greater exposure to and transmission of martial arts techniques between practitioners across the globe. Now, anyone with access to television or the Internet can watch and analyze martial arts techniques. In relation to one prominent martial art, Brazilian Jiu Jitsu, the Internet has come to serve as the means by which practitioners transmit Brazilian Jiu Jitsu techniques, profess the philosophies of Brazilian Jiu Jitsu, and reflect on the current state of the art. Based on reflections on the last five years of Brazilian Jiu Jitsu practice and analysis of video posts by martial arts practitioners and comments by viewers, this article probes the nexus between ‘offline’ communities of practice and ‘virtual’ communities of practice that are centered on Brazilian Jiu Jitsu technique acquisition. Specifically, focus is on the use of YouTube as a tool for disseminating and learning Brazilian Jiu Jitsu techniques. Drawing from theories of communities of practice and skill acquisition, this article examines how the exhibition of Brazilian Jiu Jitsu techniques on YouTube has become integrated into practice of Brazilian Jiu Jitsu across the globe. With this mediatization of Brazilian Jiu Jitsu and other martial arts, it is no longer viable to conceive of pure internet-based and offline social networks. The transmission of martial art techniques now consists of many masters and many students.
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 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 | 0,002 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».