MétaCan
Menu
Retour à la cohorte
Enregistrement W4396976887 · doi:10.1080/13504622.2024.2350675

Aesthetic flux: inquiring into the sensuous dynamics of children, matter and environments with a more-than-human lens

2024· article· en· W4396976887 sur OpenAlexaff
Jenny Renlund, Kristiina Kumpulainen, Jenny Byman, Chin Chin Wong, Sara Sintonen

Notice bibliographique

RevueEnvironmental Education Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMaj ja Tor Nesslingin SäätiöAcademy of Finland
Mots-clésLens (geology)Dynamics (music)Environmental educationPsychologyAestheticsEcologyPedagogyPhilosophyPhysicsBiologyOptics

Résumé

récupéré en direct d'OpenAlex

Although sensuous and embodied engagement is an integral part of child–environment relationalities, the intersections of aesthetics, children and environments remain scarcely addressed. As a response, this study develops a concept of ‘aesthetic flux’ to delve into the sensuous dynamics of matter and bodies in the context of a storying workshop in a forest with first graders in a Finnish primary school. An arts-based, post-qualitative methodology guided our analysis of video recordings from the workshop, resulting in visual-sonic montages that draw attention to the intense movements and sounds of children, soap bubbles, air, a research camera and trees. Thinking through the concept of aesthetic flux, our study experiments with the abundance, indeterminacy and potentiality of sensuous dynamics where bodies (human and otherwise) become together and linger. Thus, our study reconfigures aesthetics as a creative and unpredictable force that materialises in both embodied and conceptual ways in environmental education and research with children.

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)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,054
Communication savante0,0090,011
Science ouverte0,0010,010
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,020
Tête enseignante GPT0,367
Écart entre enseignants0,347 · 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'étudeQualitatif
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Education ResearchMême sujetGeographies of human-animal interactionsTravaux en français237 207