MétaCan
Menu
Back to cohort
Record W2755380732 · doi:10.4000/appareil.2398

Le « lâcher-prise » : mutations numériques des gestes architecturaux

2017· article· fr· W2755380732 on OpenAlexaff
Sébastien Bourbonnais

Bibliographic record

VenueAppareil · 2017
Typearticle
Languagefr
FieldComputer Science
TopicCultural Insights and Digital Impacts
Canadian institutionsUniversité Laval
Fundersnot available
KeywordsHumanitiesArtPhilosophy

Abstract

fetched live from OpenAlex

Les technologies numériques ont entraîné des transformations dans les pratiques architecturales, principalement en ouvrant un nouveau milieu d’exploration à la conception. Il est d’ailleurs possible de repérer chez certains architectes une mutation des gestes de conception qui leur offre une « prise » nouvelle sur les projets-objets. L’apprentissage de cette préhension numérique s’est fait graduellement, par paliers : ses premiers moments peuvent être considérés à partir de l’action initiale de lâcher prise. À la différence du laisser-aller ou du laisser-faire par la machine, le lâcher-prise comprend le moment de reprise, c’est-à-dire le moment où les architectes intègrent la forme simulée à leurs propres préoccupations.Les expérimentations du lâcher-prise déstabilisent les rythmes et les gestes de conception obligeant ainsi à une série de réajustements afin d’être pleinement insérés dans les pratiques. Cette adoption des technologies numériques ne s’est pas faite d’un coup, et surtout elle a entraîné des résultats formels souvent en deçà des attentes initiales. Pour aborder cette production singulière, on tentera de déplacer l’attention des qualités spatiales des édifices projetés vers les expériences technologiques, en soulevant les nouveaux rapports qui ont été introduits entre les architectes et les logiciels.Comme dans toutes les explorations, le nouveau milieu trouve ses limites et perd de sa nouveauté par vagues successives, et par conséquent attire moins l’attention. Cette diminution de l’attention est certainement l’un des problèmes majeurs qui montrent les limites de la sensibilité du lâcher-prise. Il n’en reste pas moins qu’à l’instar de l’expression forgée par Jean-Luc Nancy, « la prise d’un lâcher », qu’il emploie pour saisir le moment initial de la peinture dans la grotte, le lâcher-prise décrit à sa façon l’un des rapports singuliers et originaux qu’offrent les mutations numériques des gestes et des milieux architecturaux.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.010
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.007
Threshold uncertainty score0.025

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.010
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.004
Scholarly communication0.0040.004
Open science0.0010.003
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0070.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.272
GPT teacher head0.340
Teacher spread0.068 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations1
Published2017
Admission routes1
Has abstractyes

Explore more

Same venueAppareilSame topicCultural Insights and Digital ImpactsFrench-language works237,207