MétaCan
Menu
Retour à la cohorte
Enregistrement W2893380032 · doi:10.70064/mt.v2i1.721

Between Landscape and the Screen: Locative Media, Transitive Reading, and Environmental Storytelling

2018· article· en· W2893380032 sur OpenAlexafffundabout
Jill Didur, Lai-Tze Fan

Notice bibliographique

RevueMedia theory. · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensConcordia UniversityUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésReading (process)Locative caseDiscoverabilityMediationSociologyTransitive relationGeographyComputer scienceWorld Wide WebPolitical scienceLinguisticsSocial science

Résumé

récupéré en direct d'OpenAlex

In what ways can the everyday citizen encourage sustainability and promote biodiversity in spaces that are as fragmented, industrial, and toxic as the city? This paper investigates how GPS-enabled platforms afford user experiences of what we call “embodied knowing” – learning through encounter, awareness through physicality – in urban wilds, which represent informal greenspaces on the edges of urban development. The locative mobile application that we have produced, Global Urban Wilds, complicates notions of time, space, and preservation in ruderal landscapes that survive in city spaces, demonstrating that they come into tension with layers of biodiversity, technological development, and settler culture in urban contexts such as Montréal, Canada. As such, we show how the app’s mediation of these layers through a method of transitive reading promotes a user’s critical negotiation and awareness of urban ecosystems in relation to today’s “smart” city.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,385
Score d'incertitude au seuil0,696

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
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 Opus0,010
Tête enseignante GPT0,223
Écart entre enseignants0,213 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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'admission3
Résumé présentoui

Explorer davantage

Même revueMedia theory.Même sujetInnovative Human-Technology InteractionTravaux en français237 207