Twelve Insights into the Afghanistan War through the Photographs from the Basetrack Project: Rita Leistner’s iProbes and Marshall McLuhan’s Theory of Media
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article presents the iProbe concept developed by the Canadian photographer Rita Leistner. This analytical tool is one of the ways to present the image of modern warfare that emerges from messages in social media and photographs taken using smartphones. Utilized to understand the approach are photographs Leistner took at the American military base in Musa Qala (Helmand province, Afghanistan) during the implementation of the “Basetrack” media project in 2011. The theoretical basis for this study is Marshall McLuhan’s media theory, which was used by the photographer to interpret her works from Afghanistan. Leistner is the first to apply the various concepts shaped by McLuhan in the second half of 20th century, such as “probe”, “extension of man”, and the “figure/ground” dichotomy, to analyze war photography. Her blog and book entitled Looking for Marshall McLuhan in Afghanistan shows the potential of using McLuhan’s concepts to interpret the image of modern warfare presented in the contemporary media. The application of McLuhan’s theory to this type of photographic analysis provides the opportunity to focus on the technological dimension of modern war and to look at warfare from a technical perspective such as what devices and communication solutions are used to solve armed conflicts as efficiently and bloodlessly as possible. Therefore, this article briefly presents twelve iProbes that Leistner created based on her experiences from working in Afghanistan concerning photography, military equipment, interpersonal relations, and various types of communication.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle