MétaCan
Menu
Retour à la cohorte
Enregistrement W3045642252 · doi:10.7202/1070536ar

Defining subjectivity in visual art audio description

2020· article· en· W3045642252 sur OpenAlexvenueno aff
Silvia Soler Gallego

Notice bibliographique

RevueMeta Journal des traducteurs · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSubtitles and Audiovisual Media
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad de GranadaColorado State University
Mots-clésSubjectivityCategorizationAudio visualModality (human–computer interaction)Computer scienceLinguisticsComposition (language)Cognitive psychologyPsychologyMultimediaHuman–computer interactionArtificial intelligenceEpistemology

Résumé

récupéré en direct d'OpenAlex

Audio description is an intersemiotic translation modality used to make art museums accessible to visually impaired visitors. Existing audio description guidelines in various countries recommend describing only that which is seen, in other words, to avoid subjective interpretations of the visual message. However, there is evidence that some visually impaired people prefer more subjective audio descriptions. The controversy around this issue has generated reception- and product-oriented studies of audio description which demonstrate that not only is subjectivity present in existing audio descriptions, but also that it may benefit the construction of a more meaningful experience. A methodology which combines corpus and contextual analysis and draws on cognitive linguistics as well as art theories has been followed in this study to examine audio descriptive guides in art museums in four different countries. Results show considerable levels of subjectivity and offer a categorization of this element. Additionally, the level and type of subjectivity appear to be influenced by contextual factors, including the level of abstraction of the artwork and the audio describer’s degree of compliance with existing guidelines.

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)0,019
score de la tête « metaresearch » (Gemma)0,043
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 enseignants0,019
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,043
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0090,005
Études des sciences et des technologies0,0050,029
Communication savante0,0110,005
Science ouverte0,0010,010
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,082
Tête enseignante GPT0,266
Écart entre enseignants0,184 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeta Journal des traducteursMême sujetSubtitles and Audiovisual MediaTravaux en français237 207