MétaCan
Menu
Retour à la cohorte
Enregistrement W4413834995 · doi:10.59236/rjv19i2pp106-129

Public Art as Social Infrastructure

2020· article· en· W4413834995 sur OpenAlexaboutno aff
Jason Peters

Notice bibliographique

RevueReflections A Journal of Community-Engaged Writing and Rhetoric · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessEnvironmental planningEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This article analyzes the capacity for public art to build a “métis” infrastructure (Grabill 2007) capable of supporting local experiential and performative knowledge about the environment. The article describes the work of UPPArts, a small, nonprofit arts organization focused on promoting environmental awareness. Their long-term cultivation of partnerships with state agencies, NGOs, and community residents resulted in a robust collaborative arts program that engaged the public in making “nonexpert” (Simmons and Grabill 2008) knowledge based on the embodied experience of living within a contaminated urban watershed. Using field research conducted over the course of the author’s work with the organization, the article presents a thick description and rhetorical analysis of UPPArts’ annual culminating event, a parade known as the Urban Pond Procession. The article argues that the representation and performance of community knowledge in the form of community-made arts projects like the Urban Pond Procession helped mobilize a community into a public that could advocate for its right to environmental remediation and protection. The lesson of UPPArts is that the material dimensions of artistic method matter. The close attention that art-making forces us to pay to how we use materials to make things with each other can reconfigure social relations around the idea of a watershed as a rhetorical common-place (Druschke 2013).

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0110,044
Communication savante0,0160,014
Science ouverte0,0010,010
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

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 Opus0,188
Tête enseignante GPT0,360
Écart entre enseignants0,173 · 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'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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReflections A Journal of Community-Engaged Writing and RhetoricMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207