La Scuola di Toronto tra Harold Innis e Marshall McLuhan
Bibliographic record
Abstract
Il capitolo si focalizza sulle principali figure della Scuola di Toronto, sviluppatasi nella seconda metà del Novecento grazie a Harold I. Innis e Marshall McLuhan, che hanno studiato l’impatto delle tecnologie mediali sui cambiamenti sociali di maggior rilievo nella storia delle civiltà. Innis e McLuhan hanno proposto una visione deterministica della complessità sociale, secondo un modello riduzionista volto a ricostruire la dimensione mediale dei sistemi di potere: obiettivo, comprendere come il bias (influenza) della comunicazione sia una componente decisiva per analizzare l’organizzazione sociale e il rapporto tra oralità e scrittura, approfondito anche da Walter J. Ong. Sullo sfondo si stagliano gli effetti prodotti dall’invenzione dell’alfabeto e della stampa a caratteri mobili, fino alla diffusione della corrente elettrica, posta a fondamento di quel villaggio globale dell’informazione divenuto realtà al tempo della società connessa. Si tratta di una visione che costituisce una prospettiva differente rispetto al dibattito tra teorie apocalittiche e integrate di cui si è parlato in questa e nella precedente parte del volume, proprio perché focalizza la propria attenzione sui mezzi di comunicazione, visti come vera e propria estensione del corpo umano, piuttosto che sui contenuti dei messaggi che veicolano.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.035 | 0.004 |
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".