MétaCan
Menu
Retour à la cohorte
Enregistrement W6999584556

Contribution to the study of sportsmen's landscapes

2005· other· fr· W6999584556 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpenGrey (Institut de l'Information Scientifique et Technique) · 2005
Typeother
Languefr
DomaineSocial Sciences
ThématiqueUrbanism, Landscape, and Tourism Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIle de franceContext (archaeology)Cultural environmentNova scotia
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ce travail a pour but d'introduire le concept de paysage dans la saisie du rapport entre les sportifs et l'espace qu'ils investissent. Complétant l'analyse territoriale, que nous présentons dans un premier temps, les réflexions sur les paysages des sportifs permettent de toucher aux modes de valorisation de l'espace. Apparu au début du XVe siècle par le biais du monde artistique, le paysage est une notion complexe et évolutive qui intéresse aujourd'hui un large spectre de chercheurs (géographes, archéologues, historiens, philosophes ou sociologues). Parmi les grands axes de recherche qui se développent autour de l'objet, nous retenons plus particulièrement le courant "expérientiel". Celui-ci vise à rétablir le rôle de l'expérience in situ dans la définition du paysage. Il rappelle l'importance du contexte humain dans sa construction. Devant le peu de crédit accordé à la notion dans le domaine des études sur le sport, notre objectif est d'étudier la façon dont les sportifs sensibilisent l'espace. Cette sensibilisation s'actualise selon nous au travers du concept de paysage. Dès lors, nous émettons l'hypothèse générale que les sportifs, de par la nature de leur activité, fournissent de nouveaux modes d'appréciation du paysage. Le corps immergé dans la nature participe aujourd'hui activement à sa définition. Par le biais du sport, un savoir sensible s'établit, basé sur la propre expérience kinesthésique de l'individu. Il y aura alors autant de paysages que d'activités se déroulant en leur sein.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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: aucune
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,014
Tête enseignante GPT0,278
Écart entre enseignants0,263 · 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 tête enseignante, 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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpenGrey (Institut de l'Information Scientifique et Technique)Même sujetUrbanism, Landscape, and Tourism StudiesTravaux en français237 207