MétaCan
Menu
Retour à la cohorte
Enregistrement W4389941119 · doi:10.21810/sfuer.v15i1.6131

Integrating Artistic Knowing With Ancient STEM

2023· article· en· W4389941119 sur OpenAlexaffvenue
Tanya Behrisch

Notice bibliographique

RevueSFU Educational Review · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAestheticsVisual artsArt

Résumé

récupéré en direct d'OpenAlex

Integrating artistic practice into STEM to create STEAM offers learners intersubjective experience with subjects they study.This contrasts with traditional STEM education which upholds an ontological belief in human separation from the world they observe.This ontological separation justifies the absence of ethical considerations towards those subjects we study.In the context of our environmental crisis, this is problematic because humans are neither separate nor free from ethical ties to those we study.Rather, we are dependent on those who spark our curiosity and sustain our lives.Integrating artistic practices such as oil painting into STEM education brings intersubjectivity into scientific learning.Creating art depends on treating our affective and embodied responses to subjects as valid data and sources of knowledge.This brings learners into dialogue with fellow subjects and shifts from a traditionally objectifying stance towards one of kinship.The author demonstrates her embodied dialogue with a wild doe through various stages of painting an image of the doe onto plywood.Her creative process shows a participatory relationship arising between herself as researcher and the doe, her fellow subject.Throughout the painting's development, diverse subjectivities emerge, including the doe, the plywood and the author, creating a participatory collaboration and an intersubjective experience.This article draws on David Abram's and Goethe's theories of participatory observation and embodied knowledge of 18 th -century artisans.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,005
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,078
Tête enseignante GPT0,348
Écart entre enseignants0,270 · 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'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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSFU Educational ReviewMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207