MétaCan
Menu
Retour à la cohorte
Enregistrement W4413382117 · doi:10.1080/1472586x.2025.2539828

Outline of an interdisciplinary method: from counter-visual ethnography to tracing

2025· article· en· W4413382117 sur OpenAlexaffabout
Ben Davis, Kevin Walby

Notice bibliographique

RevueVisual Studies · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensUniversity of WinnipegBrandon University
Organismes subventionnairesnon disponible
Mots-clésEthnographyTracingVisual methodsSociologyVisual anthropologyVisual artsAnthropologyComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

This visual essay shares ideas from a collaborative project that brings together visual art and social science research in a novel way. Though it has much in common with conventional approaches to ethnography, counter-visual ethnography is a unique approach to qualitative research in the social sciences insofar as it focuses on what is missing, removed, or absent from the world around us. Counter-visual analysis requires a process of investigating and reflecting on the research site (including visual representations of it) to excavate and re-interpret buried meanings or other relevant interpretations. We offer a guide to producing creative, artistic works out of counter-visual ethnography. The essay is structured chronologically, beginning with a short note on the social science starting point of this work. We open with reflections on our research in Uranium City, Saskatchewan, where this project began. We then outline the method going from counter-visual ethnography to palimpsest and tracing. This involves a collaborative, community-engaging approach to art and knowledge mobilisation that bridges traditional academic disciplines. We conclude with comments on additional ways to extend use of this technique and additional empirical sites where this interdisciplinary visual method could be applied.

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)0,057
score de la tête « metaresearch » (Gemma)0,072
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,300

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0570,072
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0080,023
Communication savante0,0140,010
Science ouverte0,0050,016
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,504
Tête enseignante GPT0,724
Écart entre enseignants0,220 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVisual StudiesMême sujetParticipatory Visual Research MethodsTravaux en français237 207