MétaCan
Menu
Retour à la cohorte
Enregistrement W7161818386 · doi:10.82308/4738

Character culture : the cultural bargain between ownership and appropriation

2001· dissertation· en· W7161818386 sur OpenAlexaboutno aff
Franco. Chinappi

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueLegal Issues in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAppropriationCharacter (mathematics)Interpretation (philosophy)AmbiguityAffect (linguistics)MonopolyBalance (ability)

Résumé

récupéré en direct d'OpenAlex

This thesis is about the cultural bargain; the balancing relationship between author monopoly and user affect desires, as applying to the ambiguity of characters. Character culture is a hybrid of the characters that are created and sold by authors with artistic and legal concerns, and the character-affect-relationship of the audience users of those characters. This study examines the law and industry practices in the United States and Canada as it relates to character and the limited scope of the law in defining just what exactly a character is. Also, I examine the major issues in the cultural bargain between the ownership of characters of authors, and the appropriation of characters by audiences, through the dominate arguments for both authors and audiences and the issue of privileged accessibility to characters. By "appropriate", I am referring to any act of an audience member, utilizing a character they do not own, in new ways, that the original author of the character did not give permission for, or approve. Finally, I present my analysis of how the cultural bargain may experience a balance between both authors and audience, by defining characters using the audience affect interpretation as criteria.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,724
Score d'incertitude au seuil0,518

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,032
Tête enseignante GPT0,368
Écart entre enseignants0,336 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLegal Issues in EducationTravaux en français237 207