MétaCan
Menu
Retour à la cohorte
Enregistrement W2888446680 · doi:10.1080/00393541.2018.1479824

Arts-Based Research and the Discourse of Danger

2018· article· en· W2888446680 sur OpenAlexaff
Germaine Greer, Lorrie Blair

Notice bibliographique

RevueStudies in Art Education · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésThe artsSociologyPolitical scienceVisual artsLinguisticsArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

This study examines an archive of peer-reviewed articles in which physical, financial, and psychological harm were used metaphorically as source material to elaborate on more literal concerns about arts-based research. We examined the ways metaphoric language shapes our notions of arts-based research by asking: What social conditions are enabled by the prevalence of danger discourse in relation to arts-based research? We explored common metaphorical themes including exploration, landscape, and warfare. Three categories of metaphor are discussed: danger as a cautioning agent or direct danger; reversals of danger or metaphors that frame danger as desirable; and danger that involves the loss of legitimacy. Metaphorical danger discourse serves a number of functions: reproducing cultural norms, promoting caution, encouraging risk taking, revealing networks of institutional power, and polarizing debate. This article ends with a discussion of the implications of the use of metaphorical danger discourse in the field of art education.

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)0,012
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,009
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,885
Tête enseignante GPT0,791
Écart entre enseignants0,094 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Art EducationMême sujetParticipatory Visual Research MethodsTravaux en français237 207