MétaCan
Menu
Retour à la cohorte
Enregistrement W4315628773 · doi:10.35131/ishb.2022.16.3.33

A Case Study on the Application of Make-up in Capstone Design - Body Painting Graduation Work Case-oriented -

2022· article· en· W4315628773 sur OpenAlexaboutno aff
A-Ram Kim

Notice bibliographique

RevueJournal of Health and Beauty · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Perception and Purchasing Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCosmetologyGraduation (instrument)PaintingCapstoneVisual artsTheme (computing)Capstone courseExhibitionArtEngineeringComputer scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

As a research on the capstone design works created by the students from a cosmetology college, this study attempted to make body paintings through convergence between capstone design courses and makeup. Specifically, a total of 4 body paintings were created by expressing the culture and tourist attractions of the four countries in a creative and artistic fashion as a graduation project. A total of 24 students from a cosmetology college, who have taken a capstone design course were examined (6 members per group), and four graduation works (body paintings) were created through full-body mannequins. They were designed under the theme of European and American countries, and painting techniques were used with the culture and tourist attractions of the countries as motives. They were also colored, using brushes and aqua colors. Body paintings were created by converging capstone design and makeup. To express them in a creative and artistic manner, four works were created under a different theme: I. France, II. GREECE, III. BRAZIL, IV. CANADA. Students majoring in cosmetology, not experts, were forced to engage in this project to encourage the public to approach body paintings in an easy and friendly way. Furthermore, such body paintings were expressed in a creative and artistic manner in consideration of both industrial and academic needs.

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)0,005
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,003
Communication savante0,0030,001
Science ouverte0,0020,005
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,096
Tête enseignante GPT0,328
Écart entre enseignants0,232 · 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'étudeObservationnel
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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health and BeautyMême sujetConsumer Perception and Purchasing BehaviorTravaux en français237 207