Psychogeography and Digital Semiosis: Walking Back(in)wards with Lapis Lazuli, the Transhistorical and Transregional Blue
Notice bibliographique
Résumé
Through digital exploration, urban meandering, virtual strolls, and recent research in multimodal anthropology, this study cultivates a multidisciplinary and polysemiotic mapping approach while drawing on oral and written history, geography, etymology, and comparative epistemologies between two sites of semiosis: deep historical relations surrounding Sar-eSang, Afghanistan, and meaningful encounters in contemporary Toronto, Canada. In the process, my ongoing historical studies into the origins of the color blue evolve into a psychogeographic mapping of the myriad ways that the semi-precious stone lapis lazuli connects diverse cultures across the globe. Building on layers of digital excavation and archival research, art historical texts, and semiotic and semantic analysis of the concept of blueness in transhistorical and transregional perspective, my exploration becomes increasingly self-reflective, and my processes of understanding coalesce as an unfinished work of art through documenting sitescapes, walkscapes, mind maps, conversations, and creative reflections. This approach resists the exhibition mentality of showcasing a finished product by focusing instead on the journey itself—the semiotic relations, the in-between. This reversal also enables me to highlight critical aspects of digital materiality that would otherwise fade into the background, including the concepts of “anti-image” or “non-photograph,” and their relationships with LiDAR scanning, 3D mapping, and artificial intelligence. Paying close attention to interpersonal bodily experience and relational bonds in such hyper-mediated contexts becomes its own kind of resistance and transformational experience, encouraging further openings toward aesthetic cognition and non-Western epistemology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,043 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».