MétaCan
Menu
Retour à la cohorte
Enregistrement W3207567944 · doi:10.1111/area.12754

“People want good graffiti”: Tensions, contradictions, and everyday politics surrounding graffiti in Hanoi, Vietnam

2021· article· en· W3207567944 sur OpenAlexafffund
Michelle Kee, Sarah Turner, Danielle Labbé

Notice bibliographique

RevueArea · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Spaces through Art
Établissements canadiensUniversité de MontréalMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésGraffitiPublic spaceContext (archaeology)SociologyBazaarPoliticsGentrificationNegotiationPolitical scienceAestheticsPolitical economyMedia studiesGender studiesLawVisual artsSocial scienceHistoryEconomic growthArt

Résumé

récupéré en direct d'OpenAlex

Abstract Graffiti has become an omnipresent feature of urban landscapes, with sprawling words and images on public and private surfaces triggering heated debates on the meaning, implications, and legality of these urban inscriptions. Yet, to date, there has been little academic research conducted on graffiti and street art in the Asian context, and none that we could find on the burgeoning scene in Vietnam. In the context of a socialist state, with little tolerance for public dissent, we investigate how, and by whom, graffiti is created, and to what degree it transgresses public space norms in the country’s capital city, Hanoi. We analyse how young graffiti writers negotiate the social, physical, and cultural boundaries which serve as either deterrents or catalysts for graffiti creation, and consider whether strategies of compliance or everyday resistance are employed in order to create their work. With the effects that globalisation and urbanisation have had on the Asian region, and the tactics citizens employ to negotiate state‐imposed censorship and restraints having been studied closely, we position our work within these broader debates.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,014
Communication savante0,0060,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,027
Tête enseignante GPT0,290
Écart entre enseignants0,263 · 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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAreaMême sujetPublic Spaces through ArtTravaux en français237 207