Bibliographic record
Abstract
Deux nus exposés au MoMA (New York) ont été produits à près de dix années d’intervalle à l’aide de technologies émergentes pour mesurer et transformer méticuleusement le corps humain en une image. Le premier, Nude, a été créé en 1966 par deux ingénieurs de Bell Labs. Le deuxième, Man-Scan, a été créé en 1974 par l’artiste Sonia Sheridan à l’aide de la technologie de numérisation de la corporation 3M. Tandis que ces nus ont été formés par l’usage de différentes technologies, les processus matériels par lesquels chacun analyse la forme humaine démontrent une préoccupation commune quant à l’utilisation de la technologie pour percevoir, traiter et transcrire des corps en des formats lisibles. Ces travaux mettent en évidence les enjeux de l’érudition interdisciplinaire, dans la mesure où ils représentent des sites de négociation de pouvoir entre disciplines, où les récits dominants sur le genre et l’industrie sont réarticulés, codés et intégrés aux technologies, à la réception et aux matériaux du nu.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.011 | 0.040 |
| Scholarly communication | 0.013 | 0.014 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.026 | 0.002 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".