Gardens of Tolerance: Ukrainian Women Artists Reflect the War in the Donbas
Notice bibliographique
Résumé
With ongoing war in the Donbas, war narratives and war images saturate public media in Ukraine, the discourse contaminated by ideological remnants of the Soviet World War II cult and by fake news. Art that deals with war wounds can subvert the familiar visual language of war propaganda, where the suffering of victims is a mere pretext for touting the inevitable triumph of the heroes. Currently in Ukraine, the most prolific art in this regard is produced by women-artists who address the trauma of war through painting and installations that offer highly personalized accounts. Often touching upon extreme circumstances, their art is about tolerance, both in terms of endurance and of the mutual understanding necessary for cohabitation. Alevtyna (Alevtina) Kakhidze’s ongoing performance creates an opportunity to comprehend the war in the Donbas from multiple perspectives, including that of a gardener. She associates the tending of plants with her mother who died on occupied territory, refusing to leave her garden. Mariia (Maria) Kulikovs'ka’s sculptures serve as shooting targets for separatists in the occupied centre of contemporary art in Donetsk. Vlada Ralko’s paintings of tortured bodies become a metaphor for scars garnered by a war that remains close to home. Paintings and sculptures by Maryna Skuharieva (Skugareva) and Anna Zviahintseva (Zvyagintseva) address the ruin of representation inflicted by war, and the conceptual performance by Liia (Lia) Dostlieva and Andrii Dostliev contemplates the healing process of war wounds. Neither making spectacle from the “pain of others” nor deeming it unrepresentable, this art seeks emphatic alternatives to traditional war narratives.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».