MétaCan
Menu
Retour à la cohorte
Enregistrement W2899540301 · doi:10.29173/spectrum51

Making the World: Pictures and Science in Modern China

2018· article· en· W2899540301 sur OpenAlexvenueno aff
Lisa Claypool, Banafsheh Mohammadi, Anran Tu, Daniel S. Walker, Yue Wang, Akosua Adasi, Liuba Gonzalez De Armas, Julie Dranitsaris, Christina Kim, Chelsea Jungeun Koo, Connor MacDonald, Justine Pelletier, Shirly Zhang

Notice bibliographique

RevueSpectrum · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChinese history and philosophy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAttunementExhibitionBeautyAestheticsChinaThe artsVisual artsPerspective (graphical)ArtSociologyHistory

Résumé

récupéré en direct d'OpenAlex

How do pictures make the world? In 1907 the Chinese fiction writer and social critic Lu Xun 魯迅 (1881-1936) essayed the thought that making the world depended on attunement towards beauty’s emotional vibrancy and on an imaginative frequency to scientific thought, both. This curatorial project asks after pictures made mostly during Lu Xun’s lifetime, in turn-of-the-century China, mostly by brush-and-ink painters, but also by embroiderers, photographers, cartoonists, taxidermists, map-makers, and others who worked self-consciously within the arts and sciences, popular or academic. Their pictures carry within them their own struggles with the rationalities of science, as well as emotions and imagination, to make the world. Still, as curators of each of the six thematic sections of the exhibition observe, the pictures also escape the hands of their makers; they are thrown back into the flow of time through the questions they pose of us now, questions that we hope will prompt us to see and sense nature and each other differently, and in doing so, to make our own world from a newly aware and nuanced perspective.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes 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 enseignants0,992
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0080,011
Communication savante0,0040,005
Science ouverte0,0000,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,028
Tête enseignante GPT0,327
Écart entre enseignants0,300 · 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.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrumMême sujetChinese history and philosophyTravaux en français237 207