MétaCan
Menu
Retour à la cohorte
Enregistrement W1835984821 · doi:10.7202/1028634ar

Critères et processus d’évaluation en art contemporain. Les concours d’aide à la création du CALQ

2015· article· fr· W1835984821 sur OpenAlexaffvenue
Marcel Fournier, Marian Misdrahi

Notice bibliographique

RevueGlobe Revue internationale d’études québécoises · 2015
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Dans la carrière d’un artiste ou d’un écrivain, l’obtention d’une bourse d’un organisme subventionnaire est souvent importante, pour ne pas dire déterminante, car elle fournit une aide financière tout en constituant une reconnaissance (par les pairs). Mais comment procède-t-on pour évaluer les candidats à de telles bourses, et surtout selon quels critères les décisions d’attribuer ou non des bourses à des candidats sont-elles prises ? Ce sont les questions que nous nous sommes posées, tout en nous disant que ces critères sont non seulement esthétiques mais aussi moraux. Les décisions se prennent in situ, au sein de comités qui réunissent des pairs, artistes ou spécialistes de l’art. Sur la base de l’observation in situ des délibérations des jurys et d’entrevues avec les membres et en nous appuyant sur des travaux en sociologie de l’art, dont ceux de Nathalie Heinich, nous montrons, par nos résultats, que diverses formes d’art sont privilégiées, pourvu que cela respecte un certain nombre de critères, à savoir la contemporanéité, la singularité et l’authenticité. Tout se passe donc comme si chaque candidature était l’objet d’une triple évaluation et que chaque candidat devait traverser trois « épreuves » afin de réussir le concours, la plus importante étant celle de l’authenticité, étroitement associée à l’évaluation en rétrospective de la démarche artistique.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,062
score de la tête « metaresearch » (Gemma)0,112
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,327

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0620,112
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0130,010
Études des sciences et des technologies0,0080,014
Communication savante0,0240,010
Science ouverte0,0020,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,276
Tête enseignante GPT0,438
Écart entre enseignants0,162 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobe Revue internationale d’études québécoisesMême sujetEducation, sociology, and vocational trainingTravaux en français237 207