MétaCan
Menu
Retour à la cohorte
Enregistrement W3092132530 · doi:10.5210/spir.v2020i0.11293

GOING IN A DIFFERENT DIRECTION: CRITICAL ARTS-BASED APPROACHES TOGOOGLE MAPS

2020· article· en· W3092132530 sur OpenAlexaffabout
Rebecca Noone

Notice bibliographique

RevueAoIR Selected Papers of Internet Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAffordanceRelation (database)Point (geometry)Computer scienceSpatial analysisDigital mappingWorld Wide WebCartographyGeographyHuman–computer interactionDatabase

Résumé

récupéré en direct d'OpenAlex

These days, wayfinding is often associated with ‘asking’ Google Maps for directions. Over one billion people per month use Google Maps and Google estimates that one-in-three mobile searches is location-related. Whose routes does Google Maps direct one towards and what types of pathways become naturalized? I approached these questions through performance- and drawing-based research. In the early 1960s, artist Stanley Brouwn stood on a street corner in Amsterdam and asked people for directions with pen and paper in hand. Over the course of the project, Brouwn amassed a collection of hand drawn maps. Now, in contemporary conditions of geomedia, I reactivated Brouwn’s work as an exploratory research project in Toronto, New York City, London, and Amsterdam. I also collected drawings and notes, spontaneously produced in situ, which I analyzed in relation to the location-awareness and real-time feedback of digital mapping technologies. The encounters produced notes and drawings that point to the information literacies used in street-level wayfinding and situate these in relation to the mobilities and spatial perceptions prioritised by Google Maps’ interface and affordances. The paper presents a theoretical framework to assess the types of calibrations at play when proprietary mapping platforms broker spatial information. The paper uses alternative research methods to explore how Google Maps is more than a guide but an orientation towards a Google spatial imaginary while at the same time complicated by the ad hoc layering of other wayfinding strategies.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,366
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,172
Tête enseignante GPT0,396
Écart entre enseignants0,224 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAoIR Selected Papers of Internet ResearchMême sujetGeographic Information Systems StudiesTravaux en français237 207