MétaCan
Menu
Back to cohort

#GraphPoem : Holisme analytique-créatif, le genre D(H) et la performance informatique subversive

2022· article· fr· W4306155498 on OpenAlexaff
Chris Tănăsescu, Raluca Tanasescu

Bibliographic record

VenueRecherches & travaux · 2022
Typearticle
Languagefr
FieldComputer Science
TopicCultural Insights and Digital Impacts
Canadian institutionsNatural Sciences and Engineering Research Council of Canada
Fundersnot available
KeywordsHumanitiesPhilosophyArt

Abstract

fetched live from OpenAlex

Lancé il y a 13 ans, le projet Graph Poem utilise le traitement automatique du langage naturel (TALN) et la théorie des graphes pour développer une approche holistique de la poésie. L’holisme signifie ici deux choses : premièrement, une couverture progressive et continuellement affinée de « toutes » les caractéristiques poétiques du point de vue TALN et, deuxièmement, la vision de la poésie dans l’espace numérique comme un phénomène intégral de médias, d’inscription et de performativité. Ce dernier point est particulièrement mis en évidence dans le cadre des événements de poésie performative informatique #GraphPoem, où l’on constate que l’holisme instancie une poétique analytique-créative. Sans doute cette poétique fait-elle de la poésie un genre D(H), c’est-à-dire un genre représentatif d’un spectre d’activités, de réalités et de préoccupations allant de l’espace numérique en général au numérique en particulier, en passant par les humanités numériques, la datafication ou la création et/ou la préservation du patrimoine numérique. Ce large éventail et la vision analytique et créative qui le sous-tend sont également manifestes dans d’autres initiatives liées au projet, notamment l’analyse et l’expansion automatiques de corpus de poésie, les anthologies de poésie assemblées par ordinateur et la traduction algorithmique. La traduction algorithmique est en soi un concept riche qui informe sur la traduction de la poésie en langage naturel ou de programmation, la traduction d’algorithmes, la création de nouveaux algorithmes pour transcréer la poésie, etc. Certains d’entre eux font également partie des performances #GraphPoem, dont la description des trois plus récentes (présentées au DHSI — Digital Humanities Summer Institute) donne lieu à des réflexions sur les valeurs pertinentes pour la communauté et sur les aspects subversifs de tels événements, pour lesquels nous avons précédemment proposé le terme de « data-commoning webformance ».

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)0.003
metaresearch head score (Gemma)0.007
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 score0.033
Threshold uncertainty score0.110

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0030.007
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0020.003
Science and technology studies0.0030.010
Scholarly communication0.0110.016
Open science0.0010.004
Research integrity0.0020.004
Insufficient payload (model declined to judge)0.0330.008

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 head0.406
GPT teacher head0.362
Teacher spread0.044 · 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

Citations2
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueRecherches & travauxSame topicCultural Insights and Digital ImpactsFrench-language works237,207