MétaCan
Menu
Retour à la cohorte
Enregistrement W4414336488 · doi:10.1080/1369801x.2025.2529218

NECROGEOGRAPHIES: War, Mourning, and the Aesthetics of Allegory in Gohar Dashti’s Photographs

2025· article· en· W4414336488 sur OpenAlexfundno aff
Sareh Z Afshar

Notice bibliographique

RevueInterventions · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMemory, Trauma, and Commemoration
Établissements canadiensnon disponible
Organismes subventionnairesYork UniversityPrinceton UniversityBrown University
Mots-clésAllegoryPhotographyObject (grammar)Perspective (graphical)Key (lock)

Résumé

récupéré en direct d'OpenAlex

Iranian artist Gohar Dashti has stories to tell: of the Iran–Iraq War and its afterlife for her generation, in Today’s Life and War (2008), of bodies and of how bodies collect to create narrative spaces and relay tales of relationships in a constrained world, in Iran, Untitled (2013). These photographic series elucidate how in postrevolutionary Iran, the ubiquitous dissemination of images of martyrs and religious figures has played into the public/private divide, prioritizing certain social practices and affects as a result. The series also highlight the ambiguous nature through which these images operate, i.e., how a self-surveilling opto-architectural order has been imposed by the state upon the everyday practices of Iranians—a “necropticon” that functions through the overmarked nature of martyrdom. The same affects conjured up in “the sociality of mourning,” however, facilitate the formation of alternative modes of collectivity, as mourning and war offer valuable lessons in holding space together, generating rehearsal spaces—the allegorical mosque and battlefield—to practice collective political protest on the street. This model is long familiar to Iranians, as is abiding with the dead, and it is through their coupling that revolutionary counter-moods are born and bred.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,010
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,027
Tête enseignante GPT0,338
Écart entre enseignants0,311 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterventionsMême sujetMemory, Trauma, and CommemorationTravaux en français237 207