MétaCan
Menu
Retour à la cohorte
Enregistrement W2070091623 · doi:10.7202/045314ar

Cultural Capital and Community in Contemporary City-wide Reading Programs

2011· article· en· W2070091623 sur OpenAlexaffvenueabout
DeNel Rehberg Sedo

Notice bibliographique

RevueMémoires du livre · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésReading (process)Cultural capitalCapital (architecture)LiteracyOrder (exchange)Ephemeral keySociologyCultural literacyCapital cityMedia studiesPublic relationsSocial sciencePolitical scienceVisual artsPedagogyLawArtBusinessComputer scienceGeographyEconomic geography

Résumé

récupéré en direct d'OpenAlex

There are currently more than 500 city-wide reading projects in the US, and dozens in Canada and the UK. Through creative and traditional programming, such as canoe treks and book discussion groups, producers often use the One Book, One City model to “create community” through a selected text. This essay argues that instances of coming together to share reading experiences can be considered literary cultural fields as the French sociologist Pierre Bourdieu conceived them. Readers seek cultural capital by participating in events because participation in book culture is considered a commendable and valuable activity. However, in order to participate, one needs to already have a certain amount of cultural literacy and capital. The essay offers an analysis of readers’ articulations of why they do and do not participate in city-wide book programming to help us better understand the motivations, pleasures and obstacles of membership in ephemeral reading communities.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,438
Score d'incertitude au seuil0,915

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,103
Tête enseignante GPT0,314
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
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

Citations5
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMémoires du livreMême sujetSocial Media and PoliticsTravaux en français237 207