Step, step, rest, step: challenging age-related norms and biometric bodies through self-tracking data-rematerialization
Notice bibliographique
Résumé
This paper presents a research-creation project that aimed to explore how the experience of self-tracking and the data retrieved from self-tracking activities could be used to creatively critique the norms and regulatory mechanisms embedded within self-tracking devices and practices as they come to intersect with pressures and injunctions lying on seniors’ bodies. More specifically, we discuss the processes of research and creation involved in the ‘Dancing with Fitbit’ project (http://labs.fluxo.art.br/dancing-with-fitbit/), oriented by the key question: How can we use data and the lived self-tracking experience to disrupt the biometric bodies produced by self-tracking technologies, as they intersect with ideals of ‘successful aging’? The article presents the processes at stake in the development of the project, so as to highlight how creation and research co-informed each other and to render explicit the tacit knowledge produced and embedded in the interrelated creative processes (Paquin, L.-C. 2018. Faire le récit de sa pratique de recherche-création. https://www.academia.edu/38426295/Faire_le_r%C3%A9cit_de_sa_pratique_de_recherche-cr%C3%A9ation). We first present the ‘creation-as-research’ (Chapman, O., and K. Sawchuk. 2012. “Research-Creation: Intervention, Analysis and ‘Family Resemblances’.” Canadian Journal of Communication 37 (1): 5–26. doi:10.22230/cjc.2012v37n1a2489) approach mobilized. We then present the subversive forms of data materialization (through choreography, sounds, visuals) we carried out and how they relate to the initial creative and critical intents formulated by the project. We conclude by highlighting the importance of the collaborative and processual character of the project.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».