MétaCan
Menu
Retour à la cohorte
Enregistrement W2909228053

How to make sense: Sensory modification in grinder subculture

2018· dissertation· en· W2909228053 sur OpenAlexaboutno aff
Mark D. Doerksen

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2018
Typedissertation
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEthnographyAgency (philosophy)SituatedParticipant observationSociologyVariety (cybernetics)EngineeringComputer scienceSocial scienceArtificial intelligenceAnthropology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This doctoral research examines the Canadian and American grinder scenes to gain insight into the role of senses in understanding and responding to social problems. Grinders, a subset of biohackers, aim to enhance themselves by assimilating emerging material technologies (including, but not limited to, electronics) with their bodies through experiments and surgeries. They opt for a do-it-yourself (DIY) approach in order to maintain a sense of agency that might be lost if pursued through traditional means, such as ‘normalized’ medical research, ethically constrained university research, or market-driven private industry. How do grinders make sense (literally and figuratively) of their bodies as a site for enhancement? \n \nThe research design included three years of virtual ethnography of online grinder hubs, which were connected and contrasted with a concurrent two years of ‘real world’ participant observation ethnography at grinder laboratories and events. Data analysis applied actor-network theory to trace grinders’ sensory assemblages through a variety of on- and off-line sources. These included internet forum posts, IRC chat logs, and blogs, as well as 40 in-depth interviews, dozens of informal interviews, and direct observations of grinders planning, surgically implanting, and using their ‘enhancements.’ Results demonstrated how grinders position their bodies both broadly in relation to their current social circumstances, as well as specifically through three case studies involving magnetic implants, RFID tags, and body-computer interfaces. \n \nThis study is situated in Cyborg Anthropology and Science and Technology Studies to understand the relationship between bodies, technology, and culture. Findings suggest grinders conceive of the human body as an ironic hybrid of positivism and constructionism, determined by its techno-biological material yet simultaneously amenable to endless modification. In practice, however, the results of the tension between stability and variability tend to reinforce hegemonic social and economic relationships. What grinders ultimately enhance is the ability to adapt their physical bodies to social uncertainty brought about by the accelerating digital economy of information.

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)0,006
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,985
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0150,035
Communication savante0,0090,004
Science ouverte0,0020,010
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 Opus0,044
Tête enseignante GPT0,311
Écart entre enseignants0,267 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrum Research Repository (Concordia University)Même sujetInnovative Human-Technology InteractionTravaux en français237 207