MétaCan
Menu
Retour à la cohorte
Enregistrement W2990863969 · doi:10.22259/2637-5885.0202005

Visual Text: Encoding Challenges in Picasso’s Poetry

2019· article· en· W2990863969 sur OpenAlexaff
Enrique Mallén, Luís Meneses

Notice bibliographique

RevueJournal of Fine Arts · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Media and Visual Art
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésPICASSOPoetryPaintingEncoding (memory)Composition (language)Expression (computer science)ArtVisual artsENCODEComputer scienceLinguisticsLiteratureArtificial intelligencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Around 1935, Pablo Picasso started writing poems, almost completely abandoning his career as an artist.This sudden change of emphasis may have been provoked by a number of personal and social causes.Picasso did not perceive this as an illogical shift in his output and always saw a clear connection between visual and verbal composition.His interest in alternative methods of expression might have already started with his fascination for linguistic structure as a whole with his cubist paintings.Encoding Picasso's poetic manuscripts provides an interesting case that needs to be addressed in the pedagogy and practice of the Text Encoding Initiative (TEI) Guidelines.In this paper we will discuss how Picasso's poems present a challenge for the expressive capabilities of the TEI Guidelines and offer a solution to encode graphic features and stratified text in machine-readable form.

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)0,002
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0070,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
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 Opus0,045
Tête enseignante GPT0,302
Écart entre enseignants0,257 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fine ArtsMême sujetDigital Media and Visual ArtTravaux en français237 207