MétaCan
Menu
Retour à la cohorte
Enregistrement W2969994471 · doi:10.1111/jade.12250

A Never‐Ending Painting: The Generosity of Time Spent Making and Learning with Others through Artistic Research

2019· article· en· W2969994471 sur OpenAlexaboutno aff
Alison Shields

Notice bibliographique

RevueInternational Journal of Art & Design Education · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueArtistic and Creative Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStudioPaintingVisual artsPerformative utteranceThe artsArtFine artStudio artArt schoolVisual arts educationAesthetics

Résumé

récupéré en direct d'OpenAlex

Abstract This article examines the role of spending time with others in and through artistic research and practice. I draw from my doctoral work which took me on a cross‐Canada journey visiting 125 artists in their studios. Following the studio visits, I made a series of paintings of artists’ studios, however a year later these same paintings were cut up and rearranged to create collaborative studio assemblages on the walls of the Tate Exchange Gallery in Liverpool. Drawing on the metaphor of a never‐ending‐painting to examine never‐ending pedagogies, this article examines the evolution of this project through three iterations of the studio paintings. With each iteration, I explore different ways of knowing others through making thus proposing the performative and relational qualities of artistic research. The first iteration allowed me to spend time with artists even in their absence, as I engaged with our conversations through painting their studios, thus blurring the lines between solitary and social art practices. The second iteration allowed me to give up my art to others through asking them to create collages with fragments of my studio paintings. And the third iteration allowed my work to merge with other arts‐based researchers. Through this process, I propose that making art allows for multiple conversations to emerge through spending time getting to know others through art making.

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)0,023
score de la tête « metaresearch » (Gemma)0,030
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 enseignants0,023
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0130,037
Communication savante0,0190,010
Science ouverte0,0020,019
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,094
Tête enseignante GPT0,370
Écart entre enseignants0,275 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Art & Design EducationMême sujetArtistic and Creative ResearchTravaux en français237 207