MétaCan
Menu
Retour à la cohorte
Enregistrement W2800229798 · doi:10.20381/ruor-21771

Unveiling Artists: Saudi Female Artists Life Stories

2018· dissertation· en· W2800229798 sur OpenAlexfundno aff
Maha Alkhudair

Notice bibliographique

RevueuO Research (University of Ottawa) · 2018
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueSocioeconomic Development in MENA
Établissements canadiensnon disponible
Organismes subventionnairesKing Saud UniversityUniversity of Ottawa
Mots-clésArtVisual arts

Résumé

récupéré en direct d'OpenAlex

This study tells the life stories of four Saudi female artists. Using life story narrative approach, I focused on the following research questions: How are Saudi female artists fulfilling their aspirations as artists in the conservative Saudi society? What are the common and divergent themes in the life stories of the Saudi women artists, namely Safeya Binzagr, Maha Almalluh, Tagreed Albagshi, and Fida Alhussan? The artists were interviewed using open-ended questions and asked to discuss their artwork. The postmodern feminism and social construction theories were used to understand their life experiences and how they came to be “successful artists” in the conservative Saudi society. The findings showed that family and formal education played an important role in these women’s life journeys as artists. The Saudi society was also a major influence, sometimes supporting them, at other times obstructing them. These artists share many personality features such as being persistent, believing in themselves, taking risks, facing challenges, being independent, being responsible as artists and as part of society, and being honest in their artwork. This study contributes to the art education curriculum in Saudi schools and universities. Globally, it contributes to women’s studies and to social and cultural studies in shedding light on the Saudi society, especially as it is experienced by women.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,240
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,382
Écart entre enseignants0,301 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueuO Research (University of Ottawa)Même sujetSocioeconomic Development in MENATravaux en français237 207