MétaCan
Menu
Retour à la cohorte
Enregistrement W4403847602 · doi:10.1080/23729333.2024.2396151

Mapping Tokyo Olympics 3.0: archaeologies of the future

2024· article· en· W4403847602 sur OpenAlexafffund
Sharon Hayashi, Elina Lex

Notice bibliographique

RevueInternational Journal of Cartography · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensConcordia UniversityYork University
Organismes subventionnairesYork University
Mots-clésGeographyRegional scienceHistoryMedia studiesArt historySociology

Résumé

récupéré en direct d'OpenAlex

Mapping Tokyo Olympics 3.0 is a collaborative sensory archive of demolition and displacement surrounding the three Tokyo Olympics. Understanding the Olympics as a cyclical `practice of subtraction,' where the city is not only rebuilt but unbuilt, we uncover the intertwined layers of the urban development history of these Games and the imperial (1940), high-growth (1964) and post-growth (2020/2021) periods in which they have occurred. Cancelled due to World War II, the first Tokyo Olympics were a phantom event; the second was held in the wake of massive protests against the US-Japan Security Treaty; and the third was postponed and hobbled by the global pandemic amid lingering fears caused by the Fukushima nuclear disaster. Each iteration of the Games has imposed physical effects on the urban landscape of Tokyo with the displacement of vulnerable and precarious persons as a consequence. Mapping the politics of demolition and displacement with the tools of hybrid spatial-sensory ethnography and using intermedial approaches, Mapping Tokyo Olympics 3.0 is a sensory archive of the lived experience of those displacements. Incorporating local knowledge and collaborative research-creation methodologies, we uncover layers of time, history and materiality to embrace contingencies and envision social futures. The sensory mapping archive becomes an archaeology of the future.

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)0,001
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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,004
Communication savante0,0030,003
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,011
Tête enseignante GPT0,292
Écart entre enseignants0,281 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of CartographyMême sujetDigital Games and MediaTravaux en français237 207