MétaCan
Menu
Retour à la cohorte
Enregistrement W7081964215 · doi:10.25675/3.03582

Managing and manifesting memory

2020· other· en· W7081964215 sur OpenAlexaboutno aff

Notice bibliographique

RevueColorado State University · 2020
Typeother
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeelingContentmentPerspective (graphical)Power (physics)Irrational numberPleasureMemory workMeaning (existential)

Résumé

récupéré en direct d'OpenAlex

To understand my relationship with my past, I make objects with a sense of urgency to harvest sensations and reveal truths hidden in memory. When I left New Brunswick to emigrate back to the United States, I began to feel a longing to return to Canada. I had found a real sense of home, with deeply personal and profound connections to people and places. I would not truly understand the depth of those connections until I left. As I work to gain perspective on my longing to return to the past, I draw upon Suprematist concepts of creating irrational spaces and giving primacy to feelings over objective visual representation. Both concepts use color and shape to create these irrational spaces and to capture raw emotion. Far from New Brunswick and the people that made me feel welcome, everything I began to make echoed their faces and the landmarks that ground my remembered experiences. To understand the extent and power of memories in my creative process, I considered how to diminish their ability to influence my practice, since everything I made was centered on the past. Could Suprematist strategies offer real ways to distill a memory without diluting the remembered experience, breaking down memory, and discovering truth within the process of longing? If I could not return to living in a comforting past, I would create a window, a portal, a way to dwell in the contentment of that chapter of my life.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,013
Communication savante0,0180,019
Science ouverte0,0020,015
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,010
Tête enseignante GPT0,172
Écart entre enseignants0,162 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueColorado State UniversityMême sujetGeochemistry and Geologic MappingTravaux en français237 207