MétaCan
Menu
Retour à la cohorte
Enregistrement W4284671574 · doi:10.15402/esj.v8i2.70752

FEEL'D NOTES IN PUBLIC PLACES:

2022· article· en· W4284671574 sur OpenAlexafffundvenueabout
Stephanie Mason

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesMount Saint Vincent University
Mots-clésScholarshipVignetteMeaning (existential)The artsNova scotiaWatsonVisual artsPsychologySociologyAestheticsArtSocial psychologyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

For my doctoral research into adults’ informal learning through material objects in four public places in Halifax, Nova Scotia, I used sketchbooks as fieldnote journals. In contrast to objective observations, I recorded during my site visits a panoply of overheard conversations, drawings, remarks, puns, encounters, temperatures, and colours. These and other elements comprised my experiences in each site, and I wanted to represent their gist and connotations through multiple forms of expression. This approach aligns with arts-informed research methodology that celebrates complexity and shared meaning-making with engaged scholarship. I used these notes to produce for each site a written vignette, to introduce and reacquaint others with that place; two of these vignettes appear in the following report. In translating what I came to call my “feel’d,” not “field,” notes into these written pieces, I gleaned new understandings about scribbling and scrawling expressive, affective feel’d notes. I found that engagement enriched my research process, and also fostered a greater awareness of place meanings. I recognize that transformed notetaking has a bearing on understanding, research process, people/communities, and places, and offers methodological insights that carry out and further engaged scholarship knowledge.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,010
Communication savante0,0060,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,746
Tête enseignante GPT0,616
Écart entre enseignants0,129 · 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

Citations1
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetParticipatory Visual Research MethodsTravaux en français237 207