MétaCan
Menu
Retour à la cohorte
Enregistrement W3161140895 · doi:10.1215/22011919-8867219

Growing Methods

2021· article· en· W3161140895 sur OpenAlexaffabout
Sarah Elton

Notice bibliographique

RevueEnvironmental Humanities · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)PoliticsEthnographySociologyRelation (database)Scale (ratio)Work (physics)Social sciencePolitical scienceGeographyEngineeringAnthropologyLawComputer scienceCartography

Résumé

récupéré en direct d'OpenAlex

Abstract A methodology for plant qualitative research is at an early stage of development. While conducting a multispecies ethnography of gardeners and the plants they grow for food in a neighborhood in transition from social housing to a mixed-income community in Toronto, the author wondered, How to account for plants and their agency? What is evidence of vegetal politics? What is a multispecies ethnographer doing when decentering the human in relation to garden plants, beyond what is un-done ontologically? This article situates itself in the plant turn and proposes a methodology to account for plant agency in gardens and to identify vegetal politics. The author builds on the methodological work of other scholars of human-plant relations and posthumanist notions of relational agency to develop a three-step method: (1) recognize plant time, (2) participate with plants, and (3) scale up. Central to the methodology—and a key contribution the author puts forward—is a shift away from the researcher considering plants as individuals and instead understanding plant communities as the unit of analysis. This shift in scale, while recognizing plant time and the relational agency of plants, permits the identification of vegetal politics and has allowed the author to theorize plants as political actors in cities that support health.

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)0,028
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil0,975

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,039
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,007
Études des sciences et des technologies0,0070,003
Communication savante0,0060,005
Science ouverte0,0060,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,3160,081

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 GPT0,348
Écart entre enseignants0,301 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental HumanitiesMême sujetGeographies of human-animal interactionsTravaux en français237 207