MétaCan
Menu
Retour à la cohorte
Enregistrement W2804012917 · doi:10.1353/artv.2018.0003

Music Entrepreneurs in a Linguistic Minority Context: Effectuation as Adaptation to the Paradoxes of Digital Technologies

2018· article· en· W2804012917 sur OpenAlexaffabout
Joëlle Bissonnette, Sébastien Arcand

Notice bibliographique

RevueArtivate A Journal of Entrepreneurship in the Arts · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)LinguisticsContext (archaeology)Linguistic contextSociologyPsychologyComputer scienceHistoryLinguistic analysisPhilosophy

Résumé

récupéré en direct d'OpenAlex

Digital technologies offer new possibilities to entrepreneurs in cultural industries in linguistic minority societies. Paradoxically, they also pose a threat by exacerbating the precariousness and uncertainty experienced by them. However, there is a lack of literature on the ways in which these entrepreneurs adapt to the paradoxes brought about by digital technologies. This study aims to address this gap in the literature through an analysis of 50 semi-structured interviews carried out in the music recording industry in Canadian francophone societies and in Catalonia (Spain). Using an abductive approach, we suggest that the attitudes and practices implemented by music entrepreneurs in these societies can be interpreted according to the four principles of the effectuation theory (Sarasvathy, 2001): 1) by predetermining affordable losses; 2) by harnessing contingencies rather than avoiding them; 3) by relying on strategic alliances rather than competition; and 4) by drawing on the means rather than the ends, these entrepreneurs are able to take advantage of the possibilities offered by digital technologies while mitigating the threats. Thus, our research contributes to the literature on cultural entrepreneurship by highlighting these practices and attitudes using the effectuation theory.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,170
Score d'incertitude au seuil0,565

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,058
Tête enseignante GPT0,300
Écart entre enseignants0,242 · 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'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

Citations11
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArtivate A Journal of Entrepreneurship in the ArtsMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207