Pairs Together: A/r/tographic Learning in Relation with Visual‐Textual Propositions
Notice bibliographique
Résumé
Abstract A/r/tography as a methodology of art education research emphasizes the significance of artful engagement with our subjectivity as sites of living inquiry. While the technologization of society creates increased demand for the datafication of education, a/r/tography seeks understanding with the potentiality of difference. A/r/tography as a co‐creative practice retextures analysis from a reductive tool of measurement to an ongoing process of relational knowing. Opening to relationality, emotionality, and multiplicity, analysis of ‘data' becomes an engaged process with the entanglements of lived experiences that increase in richness through collaborative participation. The process of making visual‐textual pairs as a visual proposition is such an enactment of a/r/tography where the possibility of multiple readings and collaboration holds in tension shared and subjective understanding in invitational, meaningful, and accessible ways. The method of making visual pairs juxtaposes two images to create a visual metaphor, demonstrating the pedagogical possibility of research that centres on artistic practice and objects. With visual‐textual pairing, we intentionally extend the method to enable collaborative practice. By starting with the same image and text, going out to form our individual pairs, and returning to share our completed pairs. Inquiring alongside collaborators, images, texts, and situated sites, we engage reflexively and imaginatively in how we might become with the human, non‐human, and more‐than‐human.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
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.
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 ».