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. Research 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. The 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.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,359 | 0,160 |
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 ».