The power of interactive flow in salsa dance: a motion-sensing phenomenological inquiry featuring two-time world champion, Anya Katsevman
Notice bibliographique
Résumé
What might it be like to sense one’s motile power as a follower in salsa dance, particularly in moments when flow manifests? Does a follower simply go along with the lead’s flow or does a different kind of flow emerge? Such questions guided this motion-sensing phenomenological (MSP) inquiry into the felt sense of power experienced in the movements of interactive flow that features two-time world salsa champion, coach, and international judge, Anya Katsevman. Over the course of four years, interviews, observations and coaching sessions were analysed through theories purported by dance phenomenologist Maxine Sheets-Johnstone, Daniel Stern, a psychologist who inspired much of Sheets-Johnstone’s writing on the primacy of movement, and the radical phenomenology of Michel Henry who provides a philosophy upon which one may frame the phenomenological ‘search’ for meaning in kinaesthetic terms. The conceptual structure that guided the motion-sensing gathering of data and analysis was the interdisciplinary Function2Flow (F2F) model with its constitutive dimensions of movement Function, Form, Feeling and Flow. As such, the MSP analysis organized in accordance to the F2F model afforded the emergence of micro nuances, detailed physical sensations of this practice, within this macro themed structure. Hence, in detailing the bodily functions and forms of the nuanced gestural communication in salsa dance, with particular attention on the motile sense of power experienced by a follower, a physical pathway to better understanding existential feelings of interactive flow emerged.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».