Sens sylvestres : désapprendre, ressentir et incorporer la forêt Tarkine (Tasmanie, Australie)
Notice bibliographique
Résumé
Questioning animals, forests and more broadly nature as we question humans in anthropology: here was the intuition that I decided to follow, which led me from the confines of the Yukon (Canada) to Tasmania (Australia). What happens when you immerse yourself, for weeks or months, in the heart of a rainforest, nestled in the northwest of Tasmania? First of all, we feel lots of things. Threads, which we gradually learn. Textures that we can tame. And smells, which become familiar over time. Time. Let's talk about time: does it exist in the present of the forest? To learn the forest, I had to start by unlearning it; or rather unlearn the numerous constructions with which I tried, clumsily, to understand it. But we cannot unlearn to become a blank slate. So I chose to feel. Feel to letting these sounds, smells and textures invade my body. To let my body learn and know, in turn. To let contact with this forest not only affect, but transform my whole being to the world. And to formulate these sensations, these transformations, these learnings, inevitably transforming them in turn, in order to be shared and discussed. Each step of the process is described, justified and questioned. There are so many questions. And to answer it, comes time to welcome. Welcome the experience of non-linear temporality. Folded temporalities that unfold to those who are interested closely enough, to those who listen beyond words. Welcoming the sensations of these continuities where bodies and subjectivities are entangled in these unfolded temporalities, which are embodied in space and in these variations between life and death. It is a proposition of this world, of these learnings, of these questions and of this welcoming which offers this text, an invitation to listen in order to feel, to decenter oneself in order to welcome.
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 | 0,001 | 0,001 |
| 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 | 0,004 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,009 |
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 ».