Painting Deep Time: Encountering Landforms’ Alterity and Phusis Through Phenomenology and Oil Painting
Notice bibliographique
Résumé
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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,062 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».