#impeachment ou #naovaitergolpe: uma análise sobre a folksonomia na indexação de imagens fotográficas em redes sociais da Web 2.0
Notice bibliographique
Résumé
Analisa a Folksonomia sob a perspectiva da indexacao de imagens fotograficas em um estudo de caso nas redes sociais Flickr e Instagram. Insere-se no contexto da crise sociopolitica brasileira culminada pelo impeachment da entao presidente Dilma Rousseff em 2016, quando os brasileiros, alem de irem as ruas, foram tambem a Internet e se dividiram em tags contra e a favor do governo. Dentro deste contexto, busca identificar os padroes de etiquetagem utilizados pelos usuarios nas duas redes com base nos niveis de compreensao da imagem de Panofsky (2009) e na Dimensao Expressiva de Manini (2002), em paralelo com os estilos de etiquetagem de Canada (2006), para que, assim, fosse possivel analisar o potencial da etiquetagem como metodo de representacao da informacao imagetica e como fator de construcao da memoria coletiva. Conclui que, apesar das redes apresentarem o mesmo nivel predominante de compreensao da imagem, as motivacoes e os respectivos estilos de etiquetagem divergem e, logo, a precisao na busca e recuperacao de imagens tambem, o que ressalta a necessidade do profissional da informacao conhecer a fundo o comportamento do usuario nas novas plataformas virtuais para que possa continuar a garantir a disponibilidade e acessibilidade a informacao e tambem a propria preservacao da memoria.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».