MétaCan
Menu
Retour à la cohorte
Enregistrement W4410631295 · doi:10.1386/drtp_00157_1

Moving across drawing and sounding: Listening to trees

2025· article· en· W4410631295 sur OpenAlexaff
Rennie Tang, Eleni-Ira Panourgia, Lisa Sandlos

Notice bibliographique

RevueDrawing Research Theory Practice · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMedia, Communication, and Education
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésActive listeningDepth soundingComputer scienceGeologyPsychologyGeographyCommunicationCartography

Résumé

récupéré en direct d'OpenAlex

Drawing and sounding both rely on bodily movement as a basis for artistic expression. Movement provides the underlying spark that brings both visual and sonic practices to life. As part of a long-term research project titled ‘Sonic Kinesthetic Forest’, this paper reflects on a collaborative exchange between three researchers who use moving, drawing and sounding practices to deepen human relationships with trees. Through this exchange, we developed embodied approaches to drawing using sound and movement prompts to unearth the essence of trees that may be less apparent through representational forms of visual expression. To support this research, our approach was applied within a university seminar called ‘Listening to Trees’ that invited landscape architecture students to tune into the actions, ephemeralities and temporalities of trees. With bodily movement as an underlying impulse, students engaged in a simultaneous performance of sound-making and charcoal drawing (sounding–drawing) to translate the hidden qualities of trees to paper. This research demonstrates that movement can stimulate a dynamic sounding–drawing process through which the sonic kinaesthetic essence of trees can be explored. As an alternative to visually focused representational or scenic views of trees and landscapes, this process aims to offer a multi-sensory mode of expression for engaging with the living world.

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)0,035
score de la tête « metaresearch » (Gemma)0,079
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Communication savante
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,353
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0350,079
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,098
Tête enseignante GPT0,509
Écart entre enseignants0,411 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrawing Research Theory PracticeMême sujetMedia, Communication, and EducationTravaux en français237 207