MétaCan
Menu
Retour à la cohorte
Enregistrement W4289745955 · doi:10.3384/cu.3965

Transformative Heritage

2022· article· en· W4289745955 sur OpenAlexaff
Liron Efrat, Giovanna Graziosi Casimiro

Notice bibliographique

RevueCulture Unbound Journal of Current Cultural Research · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématique3D Surveying and Cultural Heritage
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNarrativeTransformative learningAgency (philosophy)Representation (politics)Augmented realityDigital RevolutionVirtual representationCultural heritageVirtual realityHistoryAestheticsComputer scienceVisual artsSociologyArtArchaeologyPolitical scienceLiteratureHuman–computer interactionLawSocial sciencePolitics

Résumé

récupéré en direct d'OpenAlex

In this paper, we analyze some of the platforms and technologies that influence the manner in which we interact and experience historical sites and heritage. Acknowledging that history is a constructed narration of the past, this paper demonstrates how contemporary technologies have agency in reconstructing histories in the present via digital platforms. By comparing online platforms for digital heritage production like Google Heritage with Augmented Reality (AR) and Mixed Reality (MR) platforms, we demonstrate how digital heritage may undergo a process recontextualization or decontextualization from its originating settings. We also show that digital heritage’s reconstruction of history is done through the act of remediation: by turning actual remnants of the past into digital models or by replacing such remnants with virtual representation that are globally accessible, something new is created and alternative stories can be told. Within that, we consider some of the ethical issues that are raised by the migration of historical narratives into digital platforms, as we point towards a growing tendency in which history and its production can be subjected to major data companies.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0080,023
Communication savante0,0120,010
Science ouverte0,0020,013
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0390,004

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 Opus0,179
Tête enseignante GPT0,397
Écart entre enseignants0,218 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCulture Unbound Journal of Current Cultural ResearchMême sujet3D Surveying and Cultural HeritageTravaux en français237 207