MétaCan
Menu
Retour à la cohorte
Enregistrement W2608092431 · doi:10.15837/ijccc.2017.3.2759

A Conceptual Framework for Artificial Creativity in Visual Arts

2017· article· en· W2608092431 sur OpenAlexaff
D. Sirbu, Ioan Dumitrache

Notice bibliographique

RevueInternational Journal of Computers Communications & Control · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésCreativityAnthropocentrismEmbodied cognitionCognitive scienceComputational creativityComputer scienceCreativity techniqueThe artsPerceptionConceptual frameworkHuman–computer interactionArtificial intelligencePsychologySociologyVisual artsSocial psychologyArtSocial scienceEcology

Résumé

récupéré en direct d'OpenAlex

The present paper introduces the conceptual framework for an artificial system for visual creativity addressing the idea of niche creativity that is domain specific and non-anthropocentric in its conceptual approach. We think that the visual creative output of the system reflects the artificial medium and the specific artificial processes engaged in its production and, therefore, it is an expression of the idea of embodied creativity with the proposed system offering in this sense an example of digital embodiment of creativity. Although our approach to artificial creativity is non-anthropocentric, the system design is inspired by processes in the natural world that lead to the production of new and useful structures in both living and non-living systems with human creative cognition being included among these processes. The main problem raised by this abstract approach to artificial creativity in visual arts is the compatibility of its artistic production with human aesthetics, the ultimate goal of the proposed system being to produce visual output that would aesthetically engage human visual perception.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,017
Communication savante0,0070,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
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 Opus0,120
Tête enseignante GPT0,479
Écart entre enseignants0,359 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computers Communications & ControlMême sujetCreativity in Education and NeuroscienceTravaux en français237 207