Notice bibliographique
Résumé
This chapter discusses cultural production in Australia, focusing on a case study of Indigenous popular music in remote parts of Australia. It is partly intended as a counterpoint to the thrust of much research on the geography of cultural industries, which focuses on agglomerations or clusters of activity in districts of major western cities. It is concerned with cultural production in some of the most remote parts of the world, and in circumstances of extreme socio-economic disadvantage. The chapter therefore seeks to examine the structure of cultural production in scattered, distant places that are vastly different from the conventional urban clusters, and explore how recent technological and political changes provide opportunities for more dispersed or decentralized activities. Cultural industries are usually most successful when production agglomerates in urban areas, particularly major metropolitan centers (Connell and Gibson, 2003), yet the creative activities (music making, writing, painting, etc.) upon which cultural industries rely take place across much wider distances and often dispersed contexts that are far from being hubs of capital and investment. The extent to which cultural activities in such locations may be transformed into export-earning industries is the focus of this chapter. It draws together earlier research projects on Indigenous production of popular music (Gibson, 1998; Connell, 1999; Dunbar-Hall and Gibson, 2004). These projects involved interviews with producers, managers, promoters and musicians, and analysis of production, employment and business location data. Insights drawn from this case study shed light on both the policy implications of cultural production by Indigenous groups in other countries (for example, in Canada and the United States), and the theoretical implications of creative workers being physically and economically distant from recognized centers of cultural production.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
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 tête enseignante, 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 ».