MétaCan
Menu
Retour à la cohorte
Enregistrement W3173507196 · doi:10.7202/1078065ar

Man Scans: The Matter of Expertise in Art and Technology Histories

2021· article· fr· W3173507196 sur OpenAlexvenueno aff
Robin Vann Lynch

Notice bibliographique

RevueRACAR Revue d art canadienne · 2021
Typearticle
Languefr
DomaineComputer Science
ThématiqueCultural Insights and Digital Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Deux nus exposés au MoMA (New York) ont été produits à près de dix années d’intervalle à l’aide de technologies émergentes pour mesurer et transformer méticuleusement le corps humain en une image. Le premier, Nude , a été créé en 1966 par deux ingénieurs de Bell Labs. Le deuxième, Man-Scan , a été créé en 1974 par l’artiste Sonia Sheridan à l’aide de la technologie de numérisation de la corporation 3M. Tandis que ces nus ont été formés par l’usage de différentes technologies, les processus matériels par lesquels chacun analyse la forme humaine démontrent une préoccupation commune quant à l’utilisation de la technologie pour percevoir, traiter et transcrire des corps en des formats lisibles. Ces travaux mettent en évidence les enjeux de l’érudition interdisciplinaire, dans la mesure où ils représentent des sites de négociation de pouvoir entre disciplines, où les récits dominants sur le genre et l’industrie sont réarticulés, codés et intégrés aux technologies, à la réception et aux matériaux du nu.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,812
Score d'incertitude au seuil0,852

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,069
Tête enseignante GPT0,233
Écart entre enseignants0,164 · 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'étudeSans objet
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRACAR Revue d art canadienneMême sujetCultural Insights and Digital ImpactsTravaux en français237 207