Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Research Background: The Thirst project utilises VR technology, stylised 3D animated graphics and an infrasonic score to draw attention to subterranean activity. The viewer follows the movement of tree roots in pursuit of the precious resource water. Threats from mining, agriculture and drought to Australia’s Great Artesian Basin, the largest body of underground fresh water beneath 23% of the continent, have inspired the development of the project. It is hoped that the embodied sensory experiences that immersion in such VR experiences afford will contribute to a broader cultivation of environmental sensitivity and ultimately wise management of precious natural resources such as water. Research Contribution: Thirst furthers the application of VR as an empathy machine, utilizing embodied sensorial experiences in the service of environmental awareness. At the nexus of science, the sonic and animation arts, Thirst explores and extends the possibilities of cross-disciplinary creative collaboration in the VR space. \nResearch Significance: The project explores a creative relationship between science and the arts, in which science provides insight into environmental issues, and art applies an expressive ‘brush’ to such themes in an effort to engage via the senses, to generate empathy, and to activate social change. \nThe project has been presented at the 30th Society for Animation Studies conference, Concordia University, Montreal, June 19-21, 2018 and the Ecoacoustics Congress, June 2018, and included in the Jalan Jalan On the Move exhibition for Georgetown Festival, Penang, 2018.
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.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,062 | 0,017 |
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 découle