MétaCan
Menu
Retour à la cohorte
Enregistrement W3158742336 · doi:10.1111/jade.12354

Tacit Knowledge in Painting: From Studio to Classroom

2021· article· en· W3158742336 sur OpenAlexfundno aff
Branka Marinkovic

Notice bibliographique

RevueInternational Journal of Art & Design Education · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueArt Education and Development
Établissements canadiensnon disponible
Organismes subventionnairesFonds de Recherche du Québec-Société et CultureConcordia University of Edmonton
Mots-clésPaintingTacit knowledgeContext (archaeology)Construct (python library)Class (philosophy)Action (physics)Visual artsAction researchEmbodied cognitionPsychologyMathematics educationComputer scienceArtKnowledge managementArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract This article discusses research that employed practice‐led and action research methods to study the tacit knowledge of painting practice and its application to teaching. Polanyi’s theory of tacit knowledge is used to analyse the non‐verbal, experience‐based knowledge of painting to construct a discursive relationship between the dual practices of painting and teaching. The research was undertaken in the context of a twelve‐week class in landscape painting for adults in a non‐profit art school. Within the context of the class, a series of paintings was created and documented. By analysing the focal and subsidiary knowledge of the painting processes, several distinct patterns of action and thinking emerged. These patterns were synthesised into three modes of thinking that integrate the mind, body and materials. The outcome of the study is a preliminary model that describes painting as a dynamic multi‐modal thinking process, integrating visual perception, material actions and expressive ways of thinking. The discussion includes a detailed description of the research methods, the data analysis, the application in teaching, and the embodied nature of cognition in the painting process.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0060,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 GPT0,314
Écart entre enseignants0,266 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Art & Design EducationMême sujetArt Education and DevelopmentTravaux en français237 207