MétaCan
Menu
Retour à la cohorte
Enregistrement W4211257526 · doi:10.1177/14703572211071117

Tailings and tracings: using art and social science to explore the limits of visual methods at mining and industrial ruins

2022· article· en· W4211257526 sur OpenAlexaff
Kevin Walby, Ben Davis

Notice bibliographique

RevueVisual Communication · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensBrandon UniversityUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésTracingSociologyDialogical selfVisual researchRepresentation (politics)Visual artsDisciplineEnvironmental justiceResource (disambiguation)Engineering ethicsComputer scienceSocial sciencePsychologyLawSocial psychologyEngineeringArtPolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

This article examines a novel approach to visual methods that artist Ben Davis has developed based on sociologist Kevin Walby’s research into decommissioned industrial sites, which is referred to here as tracing. Disrupting the over-reliance on photographic representation in visual methods in the social sciences, the authors integrate audio recordings of interviews, as well as photos, maps, and building plans for pop-up mining communities into visual art works to provide a counter-visual analysis of the landscapes depicted in Kevin Walby’s photographs of Uranium City. After reviewing literature on environmental degradation and on visual methods, the article elaborates on Ben Davis’s practice of tracing as a technique representing the feeling of decomposition and decay generated by the harms of industrial resource extraction. The authors argue that the technique of tracing excavates layered histories of place, providing a way of creating new interpretations of social and environmental issues. They then discuss how this counter-visual analysis and approach to tracing enables a trans-disciplinary and dialogical space for engagement with academics, artists, and activists to explore issues centered on land, contamination, and justice.

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)0,026
score de la tête « metaresearch » (Gemma)0,030
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 enseignants0,026
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,005
Études des sciences et des technologies0,0120,082
Communication savante0,0190,018
Science ouverte0,0030,014
Intégrité de la recherche0,0040,005
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 Opus0,765
Tête enseignante GPT0,669
Écart entre enseignants0,097 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVisual CommunicationMême sujetParticipatory Visual Research MethodsTravaux en français237 207