Vers une littératie multimodale climatique : sens émergents du croisement de données d’expérience entre vivants et appareils
Notice bibliographique
Résumé
Comment contribuer à la grande problématique des changements climatiques par la recherche-création ? L’actuelle étude propose une réflexion et une action multimodales. De nouveaux sens climatiques proviennent ici de données d’expérience issues du relai entre cinq activités interdisciplinaires croisant sciences forestières, arts technologiques et savoirs citoyens. Les données d’expérience viennent d’arbres, de sols, de forêts, de la météo, ainsi que de personnes humaines, saisies par divers appareils et techniques de captation. Ces données associées sont traitées avec un logiciel d’analyse qualitative. Ce processus est jumelé à un protocole de questionnements déployé en « 5 comment », afin d’activer les données croisées avec des apports philosophique et textuel. Il en émerge les dimensions de multiples sens, créant une expression collective, dont le mouvement tend vers une puissance d’agir autrement, offrant une alternative à l’angoisse, au déni, au sentiment d’impuissance et de culpabilité qui règne devant le pessimisme, l’ampleur abstraite et la méconnaissance des climats qui changent. Ces opérations dynamiques sont un amalgame poreux – sylvestre, scientifique, technique, artistique, citoyenne, textuelle et philosophique. Les sens qu’elles font surgir sont discutés avec l’appui du concept du transindividuel (Simondon, [1964] 2005) et celui de « plus que qualitatif » (T Paris, en développement depuis 2021). Au travers de ces mouvements agissants en recherche-création, se développe et s’active une littératie multimodale climatique.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».