Bibliographic record
Abstract
Le corps confiné, parfois oubliéLa création, l'apprentissage et l'enseignement du corps en mouvement Marie-Eve Skelling DesmeulesLe confinement imposé en raison de la crise sanitaire a eu et continuera d'avoir d'importantes répercussions sur les manières de créer, d'enseigner et d'apprendre les arts.Heureusement, la technologie nous permet de rester en contact et d'aller à la rencontre de l'art.Figés derrière nos écrans, mieux protégés, nos corps restent souvent oubliés.Voilà un constat qui m'a paru évident dans les 12 cours (dont 8 propres à l'éducation artistique) que j'ai offerts entre la session de printemps-été 2020 et la session d'automne 2021 à la Faculté d'éducation de l'Université d'Ottawa et qui a trouvé écho dans de nombreuses discussions que j'ai eues avec des collègues en contextes universitaires, artistiques et scolaires.Je traiterai ici de différentes stratégies mises de l'avant en contexte de création, de diffusion et d'enseignement des arts durant la pandémie, principalement en lien avec le travail du corps en mouvement, du corps dansant.Mes réflexions s'appuient principalement sur des expériences et des initiatives personnelles ainsi que sur plusieurs échanges que j'ai eus avec Anik Bouvrette, fondatrice et directrice de la compagnie Tara Luz Danse.Ces échanges étaient liés à différents projets de collaboration qui ont mené à des captations d'un spectacle ainsi qu'à des discussions portant sur la place et l'importance de la danse en contexte scolaire, à un atelier virtuel sur la danse et ses possibilités interdisciplinaires, ainsi qu'à une communication conjointe lors d'un colloque scientifique.Grâce à ce
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.075 | 0.020 |
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".