Notice bibliographique
Résumé
Abstract | This short experimental essay reflects upon our video Points of Presence. In producing the video we used unmanned aerial drones to visually and vertically examine undersea fibre-optic cables of the North Atlantic. We reflect upon how the drone’s flying technologies allow pilots to creatively engage with the atmospheric element. We argue that the drone’s optical and object-avoidance technologies share similarities with the mammalian senses. In concluding, we examine how drones and information infrastructures reflect each other as complex and imperfect systems designed to extend the human body and senses across geographies.Résumé | Ce court essai expérimental se penche sur notre vidéo Points of Presence. En produisant la vidéo, nous avons utilisé des véhicules aériens sans pilote pour examiner visuellement et verticalement les câbles de fibres optiques sous-marins de l’Atlantique Nord. Nous réfléchissons à la façon dont les technologies de navigation du drone permettent aux pilotes d’interagir de manière créative avec l’aspect atmosphérique. Nous soutenons que les technologies optiques et d’évitement des objets du drone partagent des similitudes avec les sens des mammifères. En conclusion, nous examinons comment les drones et les infrastructures d’information se reflètent comme des systèmes complexes et imparfaits conçus pour prolonger le corps humain et les sens à l’échelle de la planète.
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 | 0,000 | 0,001 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,007 |
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 ».