MétaCan
Menu
Retour à la cohorte
Enregistrement W2891712789 · doi:10.4324/9780203083741-52

Kinship, Intelligence, and Memory as Improvisation: Culture and Performance in New Orleans

2014· book-chapter· en· W2891712789 sur OpenAlexaboutno aff
Nicholas Loess

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueTheatre and Performance Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImprovisationKinshipCognitive sciencePsychologySociologyArtAnthropologyVisual arts

Résumé

récupéré en direct d'OpenAlex

Pierre Hèbert Born in Montreal in 1944, Pierre Hébert taught himself as a teenager how to make films, strongly influenced by the work of Norman McLaren and Len Lye; as he says to Nicholas Loess in this volume, “I saw myself as an artist using film amongst a number of things.” In 1962 he began experimenting with engraving images directly onto processed 16mm or 35mm film. At the National Film Board of Canada from 1965 until 1999, in Population Explosion (1968) Hébert collaborated with Ornette Coleman, and, gradually in such films as Entre chiens et loup (1978) and Memories of War (1982), his work became more socially and politically involved. In 1983 he began collaborating in live performance with improvising musicians (Jean Derome, Robert M. Lepage, René Lussier, Fred Frith) and choreographers (Ginette Laurin, Rosalind Newman, Louise Bédard, and Jean-Marc Matos), finding that his own efforts to improvise within the film medium led to the development of other kinds of skills. He is currently using computers in the Living Cinema project with composer Bob Ostertag, and furthering his long-time interest in the relationships between animation and live action in his “Places and Monuments.” In 2006 a collection of Hébert’s writings on film were published as Corps, langage, technologie .

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil0,769

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0140,015
Communication savante0,0110,005
Science ouverte0,0020,007
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,031
Tête enseignante GPT0,217
Écart entre enseignants0,186 · 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
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

Citations28
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTheatre and Performance StudiesTravaux en français237 207