MétaCan
Menu
Retour à la cohorte
Enregistrement W4316036794 · doi:10.3138/cart-2021-0024

Mapping Intimate Geographies of Grief and Loss

2022· article· en· W4316036794 sur OpenAlexaffvenue
José Alavez

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueGrief, Bereavement, and Mental Health
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésGriefContext (archaeology)SensibilityDimension (graph theory)Experiential learningCartographySociologyHistoryGeographyPsychologyArtLiterature

Résumé

récupéré en direct d'OpenAlex

Cartography has been pivotal in making visible the number of people who die in the context of migration. In this article, the author explores the potential of mapping to study and develop another dimension of the geography of death within exile: the more intimate dimensions of post-mortem geographies as experienced by those who survive a loved one. Inspired by Avril Maddrell’s call for developing new cartographic representations to share difficult emotions and memories associated with death, the author mobilized two alternative mapping practices—inductive visualization and sensibility mapping—to chart the emotional and intimate geographies embedded in the stories of two migrants who lost a close friend with whom they lived while in exile. The mapping process that led the author to represent these intimate post-mortem geographies brought me to reflect on the importance of developing alternative cartographic forms of expression that focus on the experiential and the emotional, rather than on the factual and the measurable. By steering this cartographic shift away from the fact of death as the end of a journey to death as a lingering event in the life of those who survive, the author proposes a cartography of grief and mourning that aims to contribute to individual and collective remembering.

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)0,005
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 enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0030,007
Communication savante0,0050,005
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,017
Tête enseignante GPT0,321
Écart entre enseignants0,305 · 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetGrief, Bereavement, and Mental HealthTravaux en français237 207