Conversing with Humans and Objects: On Repetition and the Curative Power in Animation Making
Notice bibliographique
Résumé
Cet article explore ce qui se passe quand des êtres humains, des objets et de la technologie numérique collaborent dans la création d’un court métrage d’animation image par image. Il examine la façon dont l’animation créée à partir d’un processus mécanique extrêmement répétitif s’entrelace avec le langage, la communication et l’apprentissage, et la façon dont elle peut affecter notre réceptivité et notre disposition à communiquer. L’article montre comment la répétition peut repousser les concepts mentaux et les idéologies linguistiques qui peuvent entraver la communication et l’apprentissage d’une langue. En revanche, l’action répétitive peut créer un espace affectif positif, donnant l’accès à des ressources cachées et à un savoir inconscient. Rendu possible par un flux affectif émergeant de toutes les parties participantes – humaines et non-humaines –, un exercice possiblement fastidieux peut être transformé en tâche libératrice. Les co-auteurs du document puisent dans l’expérience autoethnographique, les méthodes collaboratives et la pensée inspirée par la théorie néo-matérialiste. Leurs travaux de recherche montrent que la création d’animation peut perturber des politiques éducationnelles existantes et instaurer une pratique pédagogique plus équitable en se fondant sur des agencements humains-objets et sur leur puissance pour stimuler un apprentissage et des communications plus qu’humains.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».