MétaCan
Menu
Retour à la cohorte
Enregistrement W4415045503 · doi:10.7202/1118964ar

Screen Time

2024· article· en· W4415045503 sur OpenAlexvenueno aff
Anitra Lourie

Notice bibliographique

RevueSens public · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueNarrative Theory and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativeNarratologyAppropriationChronotopeReflexivityNarrative networkNarrative inquiryNarrative criticismIdentity (music)Narrative structure

Résumé

récupéré en direct d'OpenAlex

This article examines contemporary artists’ appropriation of social media platforms to explore new narrative forms. In addition to the aesthetic and thematic qualities of these works, artists’ social media narratives reveal pragmatic and discursive qualities, notably unique space-time configurations. Artists such as Molly Soda, Amalia Ulman, Martine Gutierrez, or even the design team Brud’s Instagram CGI character Lil Miquela, highlight the temporal and spatial narrative dimensions of social media designs and the ways these platforms facilitate, guide, and frame self-representation and storytelling. This article will explore the ways in which narrative elements are both integrated into the design of social media platforms and reappropriated artistically for critical or reflexive use, (re)constructing the intentions and potentials of both the technology and the narrative concepts. This reflection draws on literary discourse theory as well as digital narratology and socio-linguistics, specifically employing French philosopher Paul Ricœur’s concept of narrative identity and emplotment as well as Russian structuralist Mikhail Bakhtin’s theory of chronotope (Greek for “time-space”). Through this analysis, we interpret artistic social media practices as self-narratives that employ medium-specific temporal configurations and challenge the traditional narrative framework.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,396
Score d'incertitude au seuil0,861

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0070,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,3960,179

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 Opus0,031
Tête enseignante GPT0,226
Écart entre enseignants0,195 · 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.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSens publicMême sujetNarrative Theory and AnalysisTravaux en français237 207