MétaCan
Menu
Retour à la cohorte
Enregistrement W2472517935 · doi:10.1080/15528014.2016.1178548

Critical Eating: Tasting Museum Stories on Restaurant Menus

2016· article· en· W2472517935 sur OpenAlexaffabout
Irina D. Mihalache

Notice bibliographique

RevueFood Culture & Society · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMuseums and Cultural Heritage
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMuseologyInterpretation (philosophy)DialogicExhibitionReading (process)Relation (database)TasteVisual artsSociologyMuseum informaticsMedia studiesArtPedagogyPsychologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

This article explores exhibition-inspired themed menus in museum restaurants as a form of “critically engaged interpretation” (Meszros 2008). By proposing that themed menus in museum restaurants can connect some “interpretive communities” (Fish, 1980 Fish, S. 1980. Is there a Text in this Class? The Authority of Interpretive Communities. Cambridge, MA: Harvard University Press. [Google Scholar])—in this article, the focus is on foodies—with the museum content through food, the analysis reveals the forms of belonging, the hierarchies of taste and the interpretive modes which are afforded to museum visitors by culinary experiences. The article discusses the themed menus in relation to broader shifts in museum interpretation, informed by demands of the “new museology” (Vergo, 1989 Vergo, P. 1989. The New Museology. New York: Reaktion. [Google Scholar]) for inclusivity, dialogue and engagement. Critical in this transformation is the process of interpretation, based on a dialogic relation between the voices in the museum and the visitors. To be relevant to contemporary audiences, museums are providing various entry points to their collections, including culinary encounters. By engaging in a closed reading of themed menus developed in restaurants at the Art Gallery of Ontario (Toronto) and the Seattle Art Museum, the article discusses the interpretive practices developed around food.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0190,023
Communication savante0,0100,009
Science ouverte0,0030,014
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,259
Écart entre enseignants0,212 · 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.

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

Citations24
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFood Culture & SocietyMême sujetMuseums and Cultural HeritageTravaux en français237 207