Le récit géolocalisé et transmédial au service de la sensibilisation de l’individu à des enjeux contemporains : application de la recherche avec la création d’un prototype axé sur l’écologie
Notice bibliographique
Résumé
Parmi les technologies explorées dans ce mémoire, nous pouvons compter la géolocalisation, les applications sur téléphone intelligent, les réseaux sociaux et la réalité augmentée. Nous démontrerons qu’elles offrent de nombreuses fonctions qu’il est possible d’utiliser ensemble pour créer ensuite un récit transmédial, un récit se développant sur plusieurs plateformes. La multiplicité des formes de récits, de moyens de raconter une histoire, permet aussi d’investir un univers, fictif ou pas, autrement qu’à travers un seul écran, jeu ou livre. La géolocalisation permet aussi d’ancrer l’histoire et la participante dans un espace physique. Elle peut alors modifier notre perception d’un lieu, un parc, une rue, un immeuble en lui donnant une portée narrative. Les nouveautés apportées par ces technologies et ces façons de recevoir une histoire ont de fortes potentialités pour conscientiser l’individu sans le culpabiliser face à des enjeux qui méritent notre attention urgemment. Cela inclut l’accès restreint à l’éducation dans le pays en développement comme dans l’œuvre Conspiracy For Good ou les violences faites aux femmes abordées dans l’œuvre Priya’s Shakti de Ram Devineni. La création rattachée à ce projet de recherche se concentre sur l’écologie en passant par l’histoire de Montréal. L’objectif est de donner la parole à des arbres de Montréal qui raconteraient les métamorphoses de la ville et leur influence sur la préservation de la nature. La possibilité d’interagir avec l’œuvre semble aussi une bonne piste pour pousser le public à l’action en faveur de l’enjeu abordé tant en partageant ce qu’il aura appris avec une communauté de joueurs ou en suivant les conseils donnés implicitement par l’œuvre.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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.
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 ».