The story of the Penobscot River Ecology Mural: A 10-step process for scientists to create public art
Notice bibliographique
Résumé
Rivers are home to a wide variety of biota, including fishes, amphibians, reptiles, birds, freshwater mussels, aquatic insects, and microscopic organisms that fill unique niches to support broader ecosystem functions. While the general public may be aware of recreationally relevant biological life (e.g., fishes and insects to model flyfishing flies from), they may not be aware of more obscure yet important taxa. For example, freshwater mussels (Unionidae) improve water quality and clarity of rivers through filtration (Vaughn, 2018), which is vital to riverine ecosystems. Despite this importance, lack of public knowledge about freshwater mussels is the second biggest challenge to their management (Bouska et al., 2018). How do we best get the public to see value in underappreciated taxa to support their conservation? Public art installations can spread awareness about science effectively because they distill information for broader audiences, are eye-catching, and reach people through an emotional, aesthetic, and personal lens (Thompson et al., 2023). While invertebrates are generally viewed by the public with fear and aversion (Kellert, 1993) this can be ameliorated through interaction and learning, particularly for children (Miller et al., 2025). Through cross-disciplinary collaboration between artists, scientists and the local community, we created the “Penobscot River Ecology Mural,” a scientifically informed artwork featuring underappreciated taxa like mussels and insects. In this article, we will elucidate the story of how we successfully made this piece through 10 steps, which provide a blueprint for future endeavors.
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 | 0,001 | 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) | 0,001 | 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 ».