MétaCan
Menu
Retour à la cohorte
Enregistrement W4388506558 · doi:10.59490/footprint.14.1.3834

Competition Juries as Intercultural Spaces

2019· article· en· W4388506558 sur OpenAlexaffabout
Carmela Cucuzzella

Notice bibliographique

RevueFOOTPRINT · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Management and Preservation
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésJuryContext (archaeology)Competition (biology)Diversity (politics)Variety (cybernetics)ConstructiveToolboxSelection (genetic algorithm)ExcellenceProcess (computing)Value (mathematics)PoliticsSociologyEngineering ethicsPublic relationsPolitical scienceComputer scienceEngineeringLawEcologyGeographyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this article, design competitions, as they are practiced in Canada, are understood as devices that allow the study of interdisciplinary and intercultural dimensions of architecture. From the construction of the brief to the selection of the winning project, competitions are exemplary platforms for communicating design values. For example, competitor project proposals, which comprise many qualities, including constructive, material, and even political, represent the priorities of each design team, in the form of a place. Jurors debate each of these qualities through their own expertise. In their search for excellence, the competition jury is then an exemplar contact zone. By examining the various documents produced in this process, we can uncover the value systems of the many stakeholders. Observations of jury deliberations and analyses of jury reports can help expose how the diversity of jurors influences the selection of the winning project. Furthermore, in a contemporary context where environmental design is at the forefront, this diversity is especially interesting to study. An environmental expert’s evaluation of quantitative eco-measurements is very different from an architect’s judgment of spatial qualities and experiences. The focus of this article is to understand how such a variety of jurors influences the competition outcome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,228
Écart entre enseignants0,173 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFOOTPRINTMême sujetCultural Heritage Management and PreservationTravaux en français237 207