Vers une littératie multimodale climatique : sens émergents du croisement de données d’expérience entre vivants et appareils
Bibliographic record
Abstract
Comment contribuer à la grande problématique des changements climatiques par la recherche-création ? L’actuelle étude propose une réflexion et une action multimodales. De nouveaux sens climatiques proviennent ici de données d’expérience issues du relai entre cinq activités interdisciplinaires croisant sciences forestières, arts technologiques et savoirs citoyens. Les données d’expérience viennent d’arbres, de sols, de forêts, de la météo, ainsi que de personnes humaines, saisies par divers appareils et techniques de captation. Ces données associées sont traitées avec un logiciel d’analyse qualitative. Ce processus est jumelé à un protocole de questionnements déployé en « 5 comment », afin d’activer les données croisées avec des apports philosophique et textuel. Il en émerge les dimensions de multiples sens, créant une expression collective, dont le mouvement tend vers une puissance d’agir autrement, offrant une alternative à l’angoisse, au déni, au sentiment d’impuissance et de culpabilité qui règne devant le pessimisme, l’ampleur abstraite et la méconnaissance des climats qui changent. Ces opérations dynamiques sont un amalgame poreux – sylvestre, scientifique, technique, artistique, citoyenne, textuelle et philosophique. Les sens qu’elles font surgir sont discutés avec l’appui du concept du transindividuel (Simondon, [1964] 2005) et celui de « plus que qualitatif » (T Paris, en développement depuis 2021). Au travers de ces mouvements agissants en recherche-création, se développe et s’active une littératie multimodale climatique.
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 | 0.021 | 0.063 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.006 | 0.012 |
| Scholarly communication | 0.013 | 0.016 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 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".