Notice bibliographique
Résumé
As architects, professionals, and academics, we constantly operate at a minimum. This isn’t to say that workloads are small, or that stress is minimal – absolutely not – but industry and institutional requirements are based largely on minimum requirements. The minimum has become, in effect, a concep¬tual framework for how we think, do and teach architecture), as well as the econo-speak of “efficiency” that characterizes much of our institutional (and disciplinary) processes and structures – limiting and (minimizing) teaching and research and real-meaningful service. “Norms” and “minimums” of education and practice are established for accountability – but this prioritizes and shifts accountability to governing bodies and institutions (who by and large, serve to replicate themselves, and usually, extrac¬tively). How do we resist this, and create a maximum space where faculty, students and staff can recognise and see them¬selves in curricula, research and teaching spaces? The paper investigates what it means to ask for institutional dissent, and to ask for more (and engaging in going beyond the minimum) when considering what guides our architectural education. Reflecting on a series of scales (Small, Medium,Large, Extra Large) of doing meaningful equity based work, this paper reflects on efforts at Carleton University’s Azrieli School of Architecture and Urbanism in Ottawa/Canada, in an attempt to think through, , explore and develop an architectural infrastructure of empathy. We see this work as a field guide (emerging though it is) for how we can begin to demand more from those who set out, and those who uphold, the minimums. What follows in this paper is a narrative on scale, on steps (some missed, some struck, and some possible), of an emerging framework around an academic episteme and practice of care.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
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 tête enseignante, 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 ».