MétaCan
Menu
Retour à la cohorte
Enregistrement W2095853686 · doi:10.1111/j.1541-0064.2011.00364.x

A tale of two scenes: civic capital and retaining musical talent in Toronto and Halifax

2011· article· en· W2095853686 sur OpenAlexafffundvenueabout
Brian J. Hracs, Jill L. Grant, Jeffry Haggett, Jesse Morton

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensDalhousie UniversityUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCreativityContext (archaeology)MusicalMusic industrySocial capitalRestructuringSociologyCreative industriesWork (physics)GentrificationPublic relationsCapital (architecture)Visual artsPolitical sciencePsychologyEconomic growthSocial scienceHistoryMusic educationSocial psychologyEconomicsArtPedagogyEngineering

Résumé

récupéré en direct d'OpenAlex

Although Toronto has been the centre of the Canadian music industry for many decades, recent interviews reveal that industrial restructuring may be affecting the choices that musicians make about where to live and work. In an era of contemporary independent music production, some smaller city‐regions, such as Halifax, Nova Scotia, are becoming more attractive to musicians. This article explores the ways in which musicians consider the economic and social dynamics of city‐regions in making their location choices. Musicians recognize Toronto's advantages in size and economic opportunity, yet those in the music scene described it as an intensely competitive and difficult work environment. By contrast, respondents in Halifax talked about a supportive and collaborative community that welcomed newcomers, encouraged performance, and facilitated creativity. In the contemporary context, where independent musicians are adopting new strategies to pursue their vocation, communities high in civic capital may gain an advantage in attracting and retaining talent .

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,279
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
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 Opus0,022
Tête enseignante GPT0,231
Écart entre enseignants0,209 · 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.

Devis d'étudeObservationnel
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

Citations38
Publié2011
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207