Collective Imagining: Collaborative Story Telling through Image Theater
Bibliographic record
Abstract
Dieser Artikel ist als Dialog zweier Praktiker/innen des Image Theater konzipiert, eine Technik, bei der der Körper eingesetzt wird, um Geschichten zu erzählen. In Quebec und Schottland ansässig, diskutieren wir, wie eine performative Untersuchung (FELS 1998) mittels des Online-Mediums auf eine Art und Weise dokumentiert und weitergegeben werden kann, die auf den Prinzipien interaktiven Theaters aufbaut bzw. mit diesen kohärent ist. Wir hoffen, dass wir mit unserer Präsentation uns selbst als denjenigen, die diese Arbeit involviert sind und unseren Leserinnen und Lesern ermöglichen, performative Sozialwissenschaft als "spect-actors" (BOAL 1979) zu betreiben und auf dem Wege der Reflektion unserer Praxis Anstöße für weitere Inszenierungen geben können. Ein Schlüsselaspekt, mit dem wir uns befassen, ist die Frage, wie physische Dialoge durch Körper entstehen – erstens als Methode des Handels in der Welt, aus dem sozialer Sinn entsteht, und zweitens als Konzept, das eine ästhetische, symbolisch-metaphorische Sprache nutzt im Verlauf eines Prozesses, den ein Kollege als "Bodystorming" bezeichnet hat (dem Brainstorming vergleichbar, aber eben mit dem emotionalen und sensorischen Körper als Quelle und Ausdrucksort).
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 0.003 |
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".