MétaCan
Menu
Retour à la cohorte
Enregistrement W3194045557 · doi:10.6184/tkr201406-7

Autopoiesis in P. K. Page's "Arras": The Peacock Image as a Vision Machine

2014· article· en· W3194045557 sur OpenAlexaboutno aff
Min-Hsiou Hung

Notice bibliographique

RevueTamkang review · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueArtistic and Creative Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutopoiesisDeleuze and GuattariPoetryAestheticsTheme (computing)EpistemologyArtSociologyPhilosophyLiteratureComputer science

Résumé

récupéré en direct d'OpenAlex

This essay explores Gilles Deleuze and Felix Guattari's concept of autopoiesis, primarily focusing on its machinic aspect of self-positing creation, through a reading of Canadian modernist P. K. Page's early poem "Arras." The poem reveals itself as an artistic model for understanding visual imagery as it takes up the ecological theme of the transformative renewal of living elements. Rather than interpret Page's poetic imagery as allegories of the conceptual terms theorized by Deleuze and Guattari, this essay reads "Arras" as envisioning the process of imagerization in terms of the relationship between the new and the classical-a relationship embodied in its images of the habit and the peacock. The self-positing aspect of autopoiesis builds a machinic system in the habit-image, which unfolds across a passage between territorialization and deterritorialization and in all directions across ethico-political concerns. The poem illustrates what the plane of the virtual expresses, what the machine does, and specifically what the peacock becomes. The peacock image functions to expose the speaker's vision and transforms the poem's linguistic elements. Whereas this new but classical habit is read to indicate the function of the machinic, the peacock exposes the image quality that operates as the deterritorializing trajectory and so reveals an auto-generative relevance in artistic production.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,022
Tête enseignante GPT0,320
Écart entre enseignants0,298 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTamkang reviewMême sujetArtistic and Creative ResearchTravaux en français237 207