MétaCan
Menu
Retour à la cohorte
Enregistrement W4235015864 · doi:10.24908/iqurcp.7503

Trashed

2017· article· en· W4235015864 sur OpenAlexvenueno aff
Ashley Peoples, Caitlin Stanley, Justine Labute, Sacha Atherly, Beth Turcon

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTheatre and Performance Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConfusionPsychologyEconomic JusticeSpace (punctuation)Social psychologyAestheticsLawPolitical sciencePsychoanalysisComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

Our performance piece, entitled Trashed, initially grew from three central questions 1) What is the role of testimony in recording history and/or current affairs? 2) What role can theatre play in communicating personal testimony? and 3) How does a person (or people) perform testimony? To explore these questions, we took on the following personal testimony: A young man in high school was giving blood and 45 minutes in, the administrators re‐read his form, realized he had checked the box saying he had had sex with a man (since 1977) and promptly took his bag of blood and dropped it in a garbage can. We were all struck by this story and particularly by the image of blood in a garbage can; however, as five heterosexual women we were unsure if and how we could communicate the testimony to an audience. Working from the idea that our responsibility to the issue is our “ability to respond,” our performance piece became a manifestation of these abilities. We chose to use movement‐based clown to enter and explore the material from a neutral space—clown negates specific characteristics such as gender or social orientation. Combining objective fact with clown allowed us to visually represent the issue, our confusion surrounding the issue and our physical disconnect with the issue as performers. Our hope is to achieve a performance that serves the original testimony emotional justice while allowing an audience to engage with the related issue on multiple levels.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0070,004
Communication savante0,0050,003
Science ouverte0,0010,007
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,1080,027

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 Opus0,206
Tête enseignante GPT0,384
Écart entre enseignants0,179 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetTheatre and Performance StudiesTravaux en français237 207