WHAT DOES THE INTERNET SOUND LIKE?
Notice bibliographique
Résumé
When it comes to the study of internet phenomena, the visual constitutes a privileged mode of analysis, as seen by the ample and storied scholarship on visual media dn visually based methods. In order to disrupt this “hegemony of the visual,” and explore alternate ways of knowing and being online, this panel bring internet studies scholarship into meaningful dialogue with sound studies scholarship and poses the provocation: “how can sound be used methodologically in order to expand and deepen our understanding of the internet?” This topic is addressed in a variety of ways by the contributing authors. The first paper of this panel introduces the concept of deep listening as a feminist analytical method for “tuning-in” to the persistent hegemonic structures that underly digitally mapping technology. The second paper presents the concept of “the sonic interface” as a means to examine how sound mediates our everyday interactions with the internet. The third paper proposes the use of participatory arts based methods as a reflexive and critical framework through which researchers can begin to “listen” to alternative internet narratives while centering the voices of communities rather than researchers. The final paper deploys sound as a method for studying social behaviour on TikTok, and demonstrates the widespread applicability of sonic methods in the wider study of internet phenomena. All in all, this panel aims to highlight the immensely generative potential of centring sound in our interrogations of the online and the digital.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».