MétaCan
Menu
Retour à la cohorte
Enregistrement W3155924414

Metaphoric Interpretation of the Actuality: Representing Subjectivity Using Creative Visual Metaphors in Animated Documentary

2020· article· en· W3155924414 sur OpenAlexaboutno aff
Tawseef Majeed

Notice bibliographique

RevueSSRN Electronic Journal · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubjectivityNarrativeMetaphorSubject (documents)Construct (python library)Interpretation (philosophy)EmotiveSemioticsAestheticsForegroundingArtSociologyVisual artsLinguisticsEpistemologyLiteraturePhilosophyComputer scienceAnthropology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Metaphors play a significant role to construct a complex narrative of documentary subjects through semiotic language broadening the scope of the visual narrative strategy of animated documentary concerning its relevance with embedded subjectivity and emotions. Looking through the lens of conceptual metaphor theory (Lakoff and Johnson, 1980), the current paper explores the practice of creative metaphors representing complex human emotions through subjectivity perspective in the animated documentary as conjecturally weaved animation of embroidered artworks by Kutch artists in Nina Sabnani’s The Stitches Speak (2010) and as an abstract illustration of emotive experiences of alcohol-addict Canadian artist, Ryan Larkin, in Chris Landreth’s Ryan(2004). Employing the metaphoric analysis approach (Moser, 2000), both the films are examined to understand comprehensive metaphorical stance portraying discrete subjective phenomena of human history. In this paper, I argue that the creative visual metaphors endorse diverse interpretations of psycho-social ecology of the ‘subjectivity’ under consideration corresponding to a broader understanding of the embedded emotions of the subject/s. The introduction of the metaphors also conceptualizes amplified creative narrative for enhanced visualizations and perception.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,571
Score d'incertitude au seuil0,803

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,047
Tête enseignante GPT0,397
Écart entre enseignants0,350 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetDigital Storytelling and EducationTravaux en français237 207