Comics and Cognitive Systems : The processing of visual narratives
Notice bibliographique
Résumé
Humans have drawn sequential images as a means ofexpression throughout history, from cave paintings andfrescoes to wall-carvings and tapestries (McCloud, 1993). Incontemporary society, we find them most prevalently incomics of the world, and over the past two decades,increasing attention has turned to this communicativesystem in the cognitive sciences.Earlier work often focused on theory alone, drawing fromparadigms in linguistics or semiotics (for review, see Cohn,2012; Wildfeuer & Bateman, 2016) or from theoristsoutside academia (e.g., McCloud, 1993). However, newerstudies test theoretical predictions with empirical corpusanalyses and both behavioral and neurocognitiveexperimentation. As in language research, combining thesemethodologies provides converging evidence on thestructure of visual narratives, their diversity across theworld, and their comprehension by minds and brains.Recent research has especially focused on the overlappingcognition between the processing of the “visual languages”constituting drawn visual narratives and the linguisticsystems of verbal and signed languages (Cohn, 2013;Magliano, Larson, Higgs, & Loschky, 2015). Thesepresentations further such analyses, and explore questionsrelated to the degree to which these visual languages sharemechanisms with linguistic and other cognitive systems.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| 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 ».