MétaCan
Menu
Retour à la cohorte
Enregistrement W4366419906 · doi:10.1080/01433768.2023.2196125

Visualising emptiness: the landscape of the Western Front and Australian and English children’s picture books

2023· article· en· W4366419906 sur OpenAlexaboutno aff
Martin Kerby, Margaret Baguley

Notice bibliographique

RevueLandscape History · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWorld Wars: History, Literature, and Impact
Établissements canadiensnon disponible
Organismes subventionnairesVlaamse regering
Mots-clésWitnessWildernessAestheticsDystopiaHistoryEmptinessNothingFront (military)Power (physics)SociologyLawLiteratureGeographyArtPolitical sciencePhilosophyEpistemology

Résumé

récupéré en direct d'OpenAlex

Although the Great War made extraordinarily complex demands on the nations involved, it is the landscape of the battlefield which has continued to dominate contemporary perceptions of the conflict. Australian and English children’s picture book authors and illustrators have adopted a similar focus, particularly regarding the Western Front. It is the illustrators, however, who have the more complex task, for they have inherited an aesthetic issue that has challenged artists since 1914. Like the British, Australian, Canadian, and New Zealand official war artists of the time, they are confronted, at every turn, by the challenge of depicting a surreally empty landscape. It was not so much a landscape as the artists understood it before the war, but rather an anti-landscape, as though the war had annihilated Nature. What was left was a dystopian wilderness that bore witness to the destructive power of industrialised warfare. This article will explore how a selection of Australian and English children’s picture book illustrators respond to the emptiness of the battlefield landscape, or as Becca Weir so evocatively characterises it, the paradox of measurable nothingness.

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)0,002
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,007
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,014
Tête enseignante GPT0,250
Écart entre enseignants0,236 · 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
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLandscape HistoryMême sujetWorld Wars: History, Literature, and ImpactTravaux en français237 207