MétaCan
Menu
Retour à la cohorte
Enregistrement W3116477427 · doi:10.1111/anhu.12306

Seeing from Below: Scuba Diving and the Regressive Cyborg

2020· article· en· W3116477427 sur OpenAlexaff
Justin Raycraft

Notice bibliographique

RevueAnthropology & Humanism · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésScuba divingAestheticsNarrativeEthnographyPerspective (graphical)UnderwaterIndexicalitySociologyHistoryEpistemologyVisual artsArtOceanographyAnthropologyLiteratureGeologyArchaeologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Summary This article reimagines scuba diving as a form of ethnographic immersion that allows humans to experience life on earth from an underwater perspective. I argue that scuba divers are both posthuman in their cyborgian transcendence of the basic limitations of our species and prehuman in their metaphorical regression into womb‐like oceans, from which all life on earth evolved. I conceptualize divers as (p)reborn humans. Underwater, symbolic modes of human communication devolve to iconic and indexical forms of gesturing that are more in tune with surrounding ecosystems. Scuba diving involves shamanic navigation between lifeworlds, processes that are deeply ritualistic and psychoanalytically significant. Through first‐hand narrative accounts, divers bring new forms of relational knowledge into the public sphere. Bearing in mind the politics of being underwater, I contend that scuba diving can foster a change in how humans apprehend the ocean, from top‐down representation to bottom‐up lived experience. Scuba diving reshapes attention in ways that could inspire collective appreciation for the blue planet that sustains us. Against the backdrop of global environmental change, I call for a shift in the way that humans see and think about the ocean, from above water to below.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,007
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,032
Tête enseignante GPT0,334
Écart entre enseignants0,302 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnthropology & HumanismMême sujetGeographies of human-animal interactionsTravaux en français237 207