MétaCan
Menu
Retour à la cohorte
Enregistrement W4291122592 · doi:10.1515/sem-2022-0082

Knowledge in action: what the feet can learn to know

2022· article· en· W4291122592 sur OpenAlexaff
Katja Pettinen

Notice bibliographique

RevueSemiotica · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueAction Observation and Synchronization
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésForegroundingSemioticsAction (physics)EpistemologyMediationMovement (music)DichotomyPerceptionCognitive scienceCommon groundSociologyAestheticsPsychologyCommunicationLinguisticsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract This article deploys Peircean approach to bodily skills, foregrounding motricity as a semiotically mediated and a “suprasubjective” process. By examining two contrasting skills – javelin and martial arts – I draw out the relevance of dynamic movement to the semiotics of sport and embodiment. These contrasting movements expose different epistemological assumptions since they emerge in distinct cultural traditions. To attend to the cultural dimension of movement practices – including the mediation of signs making certain movement forms seem reasonable or desirable in the first place – I highlight ecological dimensions of each somatic tradition. This ecological focus aligns with Peirce’s project of tracking how semiotic signs are positioned and mediated. To make ecological factors of motricity more recognizable, I contrast somatic engagements that take place on synthetic, predictable substrates and somatic engagements that take place on variable, unpredictable ground. In a similar way to the classic gestalt figure-ground relations, where perception of a figure depends on the particulars of the ground, I suggest that the ground upon which somatic action occurs shapes the way we make sense of it epistemologically. These different grounds – both literally and figuratively – operate representationally via thirdness: they lead us to conceptualize movement in culturally and historically particular ways.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,036
Communication savante0,0120,017
Science ouverte0,0010,005
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,061
Tête enseignante GPT0,358
Écart entre enseignants0,298 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSemioticaMême sujetAction Observation and SynchronizationTravaux en français237 207