Talk-backs, Relatability and the Pedagogical Challenges of Performance Analysis
Notice bibliographique
Résumé
Years of anxiety, awkward silences, averted eyes and damaged egos compel us to raise the question: Why is the talk-back so consistently dreaded and dissatisfying? Why, in the words of a colleague, does it “never seem to work” and finally, how can we account for the rarity of a felicitous talk-back? The anxieties surrounding post-performance discussions are perhaps symptomatic of a lacuna in the discipline of performance analysis that has, arguably, inhibited its widespread integration into post-secondary theatre studies curricula, which has long privileged dramatic literature and methods of analysis derived from literary criticism. How have post-secondary theatre curricula accommodated the disciplinary tide that has shifted away from dramatic literary models to performance studies, and concurrently, from an analysis of literary texts to “performance texts”? The dearth of courses devoted to developing the analytic skills necessary to effectively “read” a performance event is, we suspect, a by-product of philosophical problems in the field of performance analysis and debates concerning the merits of a universal discourse and its application. As Patrice Pavis writes, performance analysis is a “fallow field that has as yet failed to develop a satisfactory method of universal application. In order to assess the current situation and future possibilities … we have to run the risk of treading on the odd mine” (2).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,035 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,015 | 0,093 |
| Communication savante | 0,021 | 0,015 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».