KAHDEN MAAILMAN VÄLILLÄ : Mitä TIE -esityksessä näytteleminen on?
Bibliographic record
Abstract
Opinnäytetyössä tutkitaan näyttelemistä Theatre in Education:issa (TIE). Ryhmä teatteri-ilmaisun ohjaajaopiskelijoita tekivät TIE -esityksen, joka esitettiin kaksi kertaa Kokkolassa vuonna 2010 yläasteikäisille. Opinnäytetyön kirjoittaja tutkii hänen näyttelijäkokemuksiaan ja kanssanäyttelijöiden kokemuksia. Suomen Kirjainstituutti on hankkeistanut tämän opinnäytetyön. \n \nMateriaalina tässä opinnäytetyössä käytetään oppimispäiväkirjaa, toisten näyttelijöiden haastatteluja ja kyselyjä sekä alan kirjallisuutta. Opinnäytetyössä pohditaan välitiloja, joita näyttelijät ovat kokeneet, kun he ovat näytelleet TIE -esityksessä. Välitila on tila, jossa näyttelijä ei tiedä, onko hän roolissa vai ei. Välitilat saattavat johtua jännittämisestä tai epävarmuudesta. Termiä esteettinen kahdentuminen käytetään apuna määrittelemään välitiloja. \n \nTyön lopputuloksessa todetaan, että Theatre in Educationissa näyttelijä ei ole pelkkä näyttelijä. TIE:ssä näyttelijä on aina myös opettaja. Näyttelijällä on aina vastuu osallistujista ja myös eettinen vastuu. Jos näyttelijä kokee joutuvansa paikoitellen välitilaan, tulee hänen silloin luottaa omaan intuitioon ja eettisiin arvoihin.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.004 |
| Scholarly communication | 0.012 | 0.009 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.058 | 0.013 |
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".