Notice bibliographique
Résumé
Throughout the twentieth and twenty-first centuries, critics have continually reconsidered the compatibility of computation and the humanities. Often, questions of “form” have played key roles in these conversations. In the 1940s, for example, critics asked whether word-counting might capture “formal units” of poetry like style. By the 2010s, scholars debated with new fervor whether computational methods could—or should—be used to track aesthetic structures like narrative, character, or genre, and especially without eliding rich socio-historical contexts. Today, these debates are by no means over. But they look different after a half decade of new work, and a cascade of theoretical and technical developments—perhaps most prominently, increasing attention to audiovisual materials and the explosion of transformer-based generative AI. In this special issue, we bring together scholars from across multiple disciplines to reconsider the intersections between computation and form for this emerging technological and critical moment. Together, their work represents a digital humanities in multiple types of transition. The essays collected in this issue refine existing computational critical methods to enable more nuanced and contextualized formal analysis; they apply these methods beyond literary or aesthetic canons to broader ranges of audiovisual, pop-cultural, and technical artifacts, from comics and conspiracy theories to viral TikToks; and they consider prompt-based LLMs, not only as new tools of aesthetic analysis, but also as cultural and technical “forms” in their own right. The articles in this special issue will be published in groups on a rolling basis over the coming weeks.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».