MétaCan
Menu
Retour à la cohorte
Enregistrement W2954949039 · doi:10.1344/thj.2019.1.3

Public data art’s potential for digital placemaking

2019· article· en· W2954949039 sur OpenAlexaboutno aff
Alexandra Georgescu Paquín

Notice bibliographique

RevueTourism & Heritage Journal · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPlacemakingExhibitionPublic spaceSculptureContext (archaeology)StorytellingRelation (database)Space (punctuation)Visual artsArchitectureSociologyAestheticsComputer scienceUrban designArtHistoryEngineeringArchitectural engineeringArchaeologyDatabase

Résumé

récupéré en direct d'OpenAlex

Data-based public art is an innovating new form of digital art which presence is increasing in the cities datascape. Data as a medium provides a special relationship with time and space by connecting the context of data mining to the one of its exhibition. The virtual component of data art opens an augmented space, where the different dimensions of data are mediated. This essay analyses how this new artform can contribute to a creative and digital placemaking of a city by offering a special sensory experience as well as renewing the storytelling of its space. Three case studies support the analysis. “Living connections”, projected on an emblematic bridge in Montreal, contributes to a spectacular placemaking. “Interconnected”, a data sculpture in Charlotte airport, relates to infrastructure placemaking. Finally, “Herald / Harbinger” connects the industrialized society with nature in a global connection. The results participate to the reflection on the nature and specificity of data art as well as enhancing its potential of transforming public space by engaging a specific relation with time, place and people.

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)0,004
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,019
Communication savante0,0270,016
Science ouverte0,0010,015
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0230,002

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 Opus0,057
Tête enseignante GPT0,295
Écart entre enseignants0,238 · 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'étudeSans objet
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTourism & Heritage JournalMême sujetData Visualization and AnalyticsTravaux en français237 207