Participation Studies and Cross-National Comparison: Proliferation, Prudence, and Possibility
Notice bibliographique
Résumé
Over the last three decades the practice of surveying a country's population to gauge participation in various arts and cultural activities has spread. This paper considers twenty different contemporary participation studies, which cover thirty-five countries (thirty-six if you distinguish the study for the United Kingdom from the study for England) plus the Canadian province of Québec. The paper is restricted to what might be described as “traditional” participation studies—random surveys of the adult population to ascertain the participation of various demographic groups in one or another cultural behavior in the previous twelve months. Typically, the results of these surveys are summarized in a participation rate—the percentage of the demographic group that has reported a particular form of participation. Collectively, the studies summarized here provide forty-five different sets of participation rates. That so many participation studies now exist for so many countries invites comparison. But what sort of comparison is possible? The paper begins with a consideration of the various definitions of “participation” and looks at the history of participation studies. I then address the issue of comparability, particularly with respect to variation in the design of participation studies. I also address the issue of facilitating the interpretation and use of participation data, which inevitably leads to the question of the extent to which the results of participation studies actually impact policy choices. Comparable data are not necessarily usable data, but neither are usable data necessarily comparable data. Differences in methodology, it turns out, severely restrict one's ability to compare responsibly. Nevertheless, it does seem possible to articulate some broad hypotheses across countries. Still, the primary conclusion is that while one should be wary of ex post harmonization of participation studies, one should also be wary of ex ante harmonization. What has been created, in the end, is a research terrain in which (cross-national) comparability is traded off against (local) usability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,463 | 0,638 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,007 | 0,058 |
| Communication savante | 0,021 | 0,044 |
| Science ouverte | 0,008 | 0,022 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».