Apprendre à connaître la forêt avec les personnes neurodivergentes : les concepts sémiotiques comme dispositif de l’enquête anthropologique
Bibliographic record
Abstract
Cet article se propose d’explorer les croisements entre l’anthropologie et la sémiotique à travers une enquête sur les savoirs sensibles à Maarja Küla en Estonie, un foyer de vie pour les personnes neurodivergentes. Partant des théories qui situent le corps dans son milieu, comme devenir sa pratique de Tim Ingold, l’Umwelt de Jakob von Uexküll, la théorie d’affordances de James J. Gibson ou le savoir tacite de Michael Polanyi, je m’attache à les considérer en tant que manières d’accorder de l’attention sur le terrain aux activités sémiotiques non symboliques. Je convoque également la sémiotique de Charles S. Peirce dans l’anthropologie au-delà de l’humain d’Eduardo Kohn, ainsi que les controverses liées à son usage en tant que cadre conceptuel appliqué sur le terrain. Je fais appel aux signes non symboliques mis en lumière par Peirce pour fabriquer un dispositif de l’enquête avec les participant·e·s à mes ateliers à Maarja Küla : déclencher une activité iconique et indicielle par une pratique artistique. Pendant les exercices de bruitage, par exemple, nous enregistrons des effets sonores reproduits avec des objets du quotidien ou réalisés par nos propres corps afin de recréer la bande sonore de films documentaires animaliers. Les performances qui en résultent activent le savoir sensible sur d’autres êtres vivants.
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 | 0.006 | 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 | 0.014 | 0.045 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.012 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".