MétaCan
Menu
Retour à la cohorte
Enregistrement W4399739460 · doi:10.1177/1357034x241254982

On the Learning, Transmission, and Embodiment of Swimming’s Haptic Grammar

2024· article· en· W4399739460 sur OpenAlexfundno aff
Sean Heath, Thomas F. Carter

Notice bibliographique

RevueBody & Society · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueHearing Impairment and Communication
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésHaptic technologyPerceptionMotion (physics)Process (computing)Focus (optics)Movement (music)GrammarCognitive scienceCommunicationPsychologyComputer scienceAestheticsArtificial intelligenceLinguisticsArtNeurosciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

This article develops the concept of 'haptic grammar' to encourage greater scholarly focus on the sensory aspects of bodily motion used to generate movement, knowledge of one's body in an environment, and thus being-in-the-world. It ethnographically examines how swimmers learn specific motions - 'the catch', sculling, hand entry - to illustrate broader questions of how we learn to move our bodies. Focusing on these specific motions emphasises the importance of shared sensory knowledge and perception for learning enskilled bodily movement. More than simply knowing what to move when and how, learning how to sense how one moves one's body parts is a crucial social process that swimmers become more skilful at via interlocutions among themselves and with their coaches regarding specific motions of specific body parts. This article illustrates how such socialised knowledge requires a shared haptic grammar to become more skilful at moving through the water and thus become 'swimmers'.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,691
Score d'incertitude au seuil0,355

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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,314
Écart entre enseignants0,290 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBody & SocietyMême sujetHearing Impairment and CommunicationTravaux en français237 207