MétaCan
Menu
Retour à la cohorte
Enregistrement W4405598517 · doi:10.7202/1115212ar

The Value of Arts-Based Methods in STEM: Formal Analysis, Open Dialogue, and Subjectivity

2024· article· en· W4405598517 sur OpenAlexaboutno aff
Christina Smylitopoulos, Sarah Mousseau, Nakita Byrne-Mamahit, Sarah Oatley, Anna Sutton

Notice bibliographique

Revue˜The œCanadian art teacher. · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVisual artsVictoryValue (mathematics)The artsStudioInterpretation (philosophy)SubjectivitySpace (punctuation)Fine artPsychologyArtComputer scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

In the Fall of 2021, STEM researchers were invited to participate in a series of SSHRC-funded workshops delivered at the University of Guelph’s School of Fine Art and Music (SOFAM), where they examined a work of abstract art drawn from the SOFAM Print Study Collection (Reflex Victory by Chrysanne Stathacos, lithograph, 1979). The project’s objective was to determine if methodologies used in the analysis and interpretation of art are helpful to researchers who use visual observation as a primary method of collecting data. Our findings indicate that over the duration of the one-hour workshop, participants demonstrated greater confidence in identifying what lay in their fields of vision with precision, exhibited greater comfort in pursuing open-ended inquiry, and became more conscious of the mutable and subjective qualities of their looking. This report shares the story of our experiment and presents our preliminary findings on the value of arts-based methodologies in developing skills in data collection and analysis. This research contributes to the discourse on the role visual art can play in practices of teaching, learning, and research that extend beyond the studio, museum, and gallery space.

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)0,180
score de la tête « metaresearch » (Gemma)0,171
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 enseignants0,180
Score d'incertitude au seuil0,951

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1800,171
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,003
Études des sciences et des technologies0,0110,071
Communication savante0,0150,013
Science ouverte0,0030,014
Intégrité de la recherche0,0020,003
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 Opus0,440
Tête enseignante GPT0,618
Écart entre enseignants0,178 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œCanadian art teacher.Même sujetParticipatory Visual Research MethodsTravaux en français237 207