Bibliographic record
Abstract
Geleneksel fotograflama yöntemlerinden dijital fotografa geçis ve ardından internetin sundugu yaygın kullanım agı sayesinde, fotograf tüm dünyada en yogun talep gören sanat ve iletisim araçlarından birisi haline gelmistir. Fotograf sanatı, yapısı geregi teknolojik gelismelerle etkilesim içerisinde gelisimini sürdürmektedir. Gelisen bilgisayar islemcileri ve g.rüntü isleme yazılımları sayesinde ilk etapta dijital fotografı bilgisayar ortamında arsivleyen ve baskalastırabilen fotografçı, günümüzde yapay zekâ uygulamalarıyla dijital fotograf makinesi ile gerçekligin pesinde üretim yapma sürecini yeni bir boyuta tasımaktadır. Bu degisim süreci geleneksel üretim sürecinden büyük .l.üde kendisini kopartan günümüz fotograf sanatı algısını da d.nüstürmektedir. Sanatçılar, dijital fotograf üzerinde, yapay zekâ destekli yazılımlar kullanarak, fotografın ham dijital verilerini ara yüz müdahaleleri vasıtasıyla degisiklige ugratabilmektedir. Internet agı ile ulasılabilen ve/veya sunucularda saklanan dijital fotograf veri tabanlarının, yapay zekâ temelli yeni g.rüntü isleme sistemleri ile islenmesi sayesinde, fotografçının g.rüntüyü olusturmada yalnızca bir ‘ara etmen’ olarak yer aldıgı uygulamalar da günümüzde g.rülmektedir. Fotografçılar, sanatsal üretimlerinde, degisen ve d.nüsen teknolojik olanakları da kullanarak yeni mecralarda farklı eserler olusturabilme sansını yakalamıslardır. Bu çalısmada izleyiciyle iletisim kurma gayreti içerisinde bulunan sanatçı, üretim sürecine yapay zekanın da dahil olmasıyla ortaya çıkan etik tartısmalar çerçevesinde ele alınmak durumunda kalmıstır. Ayrıca, yapay zekâ uygulamalarının fotograf sanatının gelecegi üzerine etkilerine de deginilmistir.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.209 | 0.095 |
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".