MétaCan
Menu
Retour à la cohorte
Enregistrement W3036366239 · doi:10.3138/cart-2019-0029

Cartographic Inference: A Peircean Perspective

2020· article· en· W3036366239 sur OpenAlexvenueno aff
Gordon Cromley

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInferenceAbductive reasoningPerspective (graphical)Context (archaeology)EpistemologyCartographyField (mathematics)Set (abstract data type)GeographyData scienceComputer scienceArtificial intelligenceArchaeologyPhilosophyMathematics

Résumé

récupéré en direct d'OpenAlex

A major focus of cartographic research can be framed within two broad trends involving geovisual analytic and critical cartographic approaches. Understated in the development both of scientific and critical approaches to the field of cartography has been the role of cartographic inference. Making inferences from maps is fundamental to the visual analytical tradition and the thinking/communication continuum. Reasoning is also fundamental to critical cartography and the development of critiques relies on inference based on “evidence” encoded or inscribed in a map or set of maps. The social construction of a map and the map’s use have a significant impact on the types of inferences that are made, but conclusions must be carefully scrutinized with respect to these inferences. This study examines the Piercean notions of abductive, deductive, and inductive inference and their application to cartographic inquiry from both scientific and critical perspectives. A study of John Snow’s famous map of a cholera outbreak in London shows the evolution of this map from an instrument of scientific inquiry to one of historical discourse. This historical discourse also shows the continuous unfolding of “Snow’s map” as a mapping practice. By understanding how logical inferences change over time as the context of a map within society changes, this study shows biases inherent within cartographic expression integral to both scientific and critical lines of inquiry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,822
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,350
Écart entre enseignants0,321 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetGeographic Information Systems StudiesTravaux en français237 207