MétaCan
Menu
Retour à la cohorte
Enregistrement W3216792745 · doi:10.29173/pandpr29503

Painting Deep Time: Encountering Landforms’ Alterity and Phusis Through Phenomenology and Oil Painting

2021· article· en· W3216792745 sur OpenAlexaffvenue
Tanya Behrisch

Notice bibliographique

RevuePhenomenology & Practice · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAlterityPaintingLandformOil paintingPhenomenology (philosophy)ArtVisual artsAestheticsGeologyPhilosophyGeomorphologyEpistemology

Résumé

récupéré en direct d'OpenAlex

The practice of oil painting landforms, rocks and sea water in Jervis Inlet, British Columbia (BC) puts me in dialogue with land’s resistant alterity. By closely attuning to landforms, and by stepping back and blurring my focus at regular intervals while practicing oil painting of landforms, I experience phusis of land and of my painting. Through self-concealment and emergence, land alternates between revealing and enfolding its character, resisting my human comprehension but speaking to more-than-human elements in myself. The slow accretive process of oil painting lends itself to phenomenological research, taking days and weeks for paint to dry before new layers can be applied. This slowness produces phusis within me as an artist, as I am forced to withdraw from the painting while its layers dry and we reassume an unfamiliarity with one another as dual subjects. Through oil painting, landforms’ alterity shifts towards familiarity. Earth’s elements originate in deep time, pre-dating human experience. Cycling within me is a repository of minerals, water, and salinity originating in deep time. This draws attention to alterity within my own body. By practicing phenomenological research through painting landforms, I encounter the phenomenological paradox of deep time and come face-to-face with the originary elemental origin I share with landforms.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,532
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,322
Écart entre enseignants0,300 · 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.

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 revuePhenomenology & PracticeMême sujetGeographies of human-animal interactionsTravaux en français237 207