MétaCan
Menu
Retour à la cohorte
Enregistrement W4213084072 · doi:10.1177/15327086211072230

Slow Story-Making in Urgent Times

2022· article· en· W4213084072 sur OpenAlexaffabout
Carla Rice, Chelsea Temple Jones, Ingrid Mündel

Notice bibliographique

RevueCulture Studies &#x2194 Critical Methodologies · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensBrock UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPosthumanContext (archaeology)Tragedy (event)Vulnerability (computing)Internet privacyAestheticsSociologyMedia studiesArtComputer scienceHistoryComputer securitySocial science

Résumé

récupéré en direct d'OpenAlex

In the context of an alarmingly sped up “slow death” for disabled people living under emergency COVID-19 medical triage protocols in Ontario, Canada, that produce, naturalize, and weaponize our vulnerability, we assert that slow digital story-making opens a threshold space filled with complex, relational, lively collaborative worldmaking. Here, we analyze videos made by three digital/multimedia story-makers, known as experimenters, who express the turbulence they lived through via storywork that described their unique yet entwined vantage points. Following Rosi Braidotti’s caution against capitalizing on tragedy, we offer Donna Haraway’s “compost writing” as an alternative to building theory. By compos(t)ing online multimedia stories that straddle digital/human/more-than-human realms, we take up “digital composting” as an unfinished methodology wherein we move collectively, even from the isolation of our own homes. We posit slow digital story-making as a way of “staying with the trouble” as we find ourselves worldmaking at the complex threshold between life/death, vulnerability/resistance, individual/relational, human/nonhuman. To compost digital multimedia stories is to leave them to ruminate in the complex entanglements of posthuman existences in urgent times.

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)0,003
score de la tête « metaresearch » (Gemma)0,052
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,865
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,052
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,002
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,212
Tête enseignante GPT0,499
Écart entre enseignants0,287 · 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

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCulture Studies &#x2194 Critical MethodologiesMême sujetGeographies of human-animal interactionsTravaux en français237 207