Where there's smoke: digital storytelling for healing
Notice bibliographique
Résumé
Columbia University School of the Arts’ Digital Storytelling Lab, in collaboration with Columbia’s Department of Narrative Medicine, developed Where There’s Smoke, a story and grief ritual that mixes interactive documentary, immersive theatre and online collaboration to invite healthcare providers and others into resonant conversations about life, loss and memory, and to imagine how stories can be used to create empathetic healing spaces. When Robert Weiler was diagnosed with terminal colon cancer, the complexity of healthcare and ensuing grief for the family, led his son Lance, a storytelling pioneer, to realize that a straightforward story wasn’t enough to explain and explore the experience, so he created Where There’s Smoke. Where There’s Smoke premiered in 2019 at the Tribeca Film Festival where it was hailed as an “absolute can’t miss” (Backstage). However, when COVID-19 submerged the world in loss, uncertainty, and isolation, Lance reimagined the piece as an online experience. He also combined the piece with protocols of Narrative Medicine as provided by faculty, Deborah Starr. The piece traces a heartbreaking journey through end-of-life care and grief, embracing grief as nonlinear and immersive, grief as an escape room with no escape. Participants sift through artwork, videos, and conversations and are provided with immersive moments for individuals, pairs and groups to have opportunities for self-discovery, unexpected intimacy, and ensuing healing. This is a personal yet universally relevant narrative, which gradually reveals itself to be something more…the possibility of immersive storytelling to create space for empathetic healing, grieving, and connecting.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».