MétaCan
Menu
Retour à la cohorte
Enregistrement W2611716406 · doi:10.1080/24740500.2017.1287034

The Pleasure of Art

2017· article· en· W2611716406 sur OpenAlexaff
Mohan Matthen

Notice bibliographique

RevueAustralasian Philosophical Review · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAesthetic Perception and Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPleasureAestheticsContext (archaeology)Object (grammar)PsychologyPleasure principleComputer scienceArtHistoryNeuroscience

Résumé

récupéré en direct d'OpenAlex

This paper presents a new account of the pleasure we take in art. It distinguishes first between two types of pleasure. Relief or r-pleasure is transient and marks the end of a state that is difficult to maintain. Facilitation or f-pleasure accompanies an activity and lasts as long as the activity does. It motivates this activity and optimizes it by activating a suite of preparations and modes of acting specific to the activity. Aesthetic pleasure is a distinct form of f-pleasure. It arises from mental engagement with an object, and motivates and optimizes such engagement by activating a nexus specific to it. Aesthetic pleasure acts in two ways. In the short run, when we are in contact with a particular artefact, it keeps aesthetic engagement running smoothly. Over longer periods, it plays a critical role in shaping how we engage with objects to get this kind of pleasure from them. This account is yoked to a broadly functional understanding of art: it is not the nature of the object that makes it art, but the nature of the response that it is designed to elicit. The view does not, however, rest on individual psychology alone, as some other functional accounts do. Crucially, it is argued that shared cultural context is a key determinant of the pleasure we derive from aesthetic artefacts. The pleasure of art is always communal and communicative.

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)0,001
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 enseignants0,010
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,017
Communication savante0,0090,007
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,091
Tête enseignante GPT0,362
Écart entre enseignants0,271 · 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

Citations87
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralasian Philosophical ReviewMême sujetAesthetic Perception and AnalysisTravaux en français237 207