MétaCan
Menu
Retour à la cohorte
Enregistrement W2924661744 · doi:10.3138/jcs.2018-0009

Corporate and Worker Photographs of the Offshore Oil Industry: The Case of the Ocean Ranger

2019· article· en· W2924661744 sur OpenAlexvenueaboutno aff
Fiona Polack

Notice bibliographique

RevueJournal of Canadian Studies · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiterature, Film, and Journalism Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSophisticationViewpointsPetroleum industrySubmarine pipelinePhotographyHistoryVisual artsSociologyEngineeringOceanographyGeologyArt

Résumé

récupéré en direct d'OpenAlex

Images of hydrocarbon extraction at sea remain strikingly circumscribed. The most extensively circulated are either the work of professional industrial photographers employed by oil companies to take carefully vetted promotional shots, or of news photographers commissioned to document catastrophes. Corporate-sponsored photography enforces the massive scale of offshore rigs, their technological sophistication, and apparent ability to withstand the vicissitudes of the ocean; it also tends to imply that companies adhere to strict safety regimens, and equal opportunity hiring practices. Photographs created by offshore oil workers are not widely circulated in the public domain. However, three collections of images recently donated to Newfoundland and Labrador’s provincial archives offer new viewpoints on the oil industry. Lance Butler, David Boutcher, and Lloyd Major were all employed on the Ocean Ranger platform, which capsized off the coast of Newfoundland in 1982 with the loss of 84 lives–including Boutcher’s. The men’s images resituate, expand upon, and on occasions challenge tropes that predominate in corporate photography; the striking arrangement of David Boutcher’s snapshots in album format by his mother is also salutary. This essay argues for the necessity of “onshoring” the offshore, and claims that workers’ photographs can potentially help us do so through a variety of means.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,693
Score d'incertitude au seuil0,610

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0190,011
Communication savante0,0060,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,035
Tête enseignante GPT0,218
Écart entre enseignants0,183 · 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'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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Canadian StudiesMême sujetLiterature, Film, and Journalism AnalysisTravaux en français237 207