To erase or not to erase, that is not the question: Drawing from observation in an analogue or digital environment
Notice bibliographique
Résumé
Erasing when drawing occurs for a variety of reasons. While the most obvious may be correction of mistakes, at other times erasers are used to create such things as highlights or marks that introduce particular aesthetic elements. When a drawing is made on paper, partial erasure ‘marks’ can provide a useful record of a drawing’s evolution. For the teacher, this historical record can be a catalyst for helpful commentary and criticism. While programmed to simulate an analogue eraser, in a digital environment the erase function can eradicate a drawing’s history with a single click. We studied analogue and digital tool use behaviours (including erasing) to compare the frequency of erasure and the effect of erasing on observational accuracy in adults between the age of 17 and 64 with various levels of drawing experience from less than two years to more than ten years. The study involved participants making one drawing on paper with traditional drawing tools and one drawing on a digital drawing tablet. We then had the drawings rated for accuracy. Among other interesting results, we found that erasing occurs with greater frequency when participants work in a digital environment than in an analogue one and that, while there were significant tool use differences between the environments, those differences did not result in differences in the accuracy of final drawings indicating the adaptability of our participants using different means to achieve the same effect.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».