Crowdfunding Canadian Theatre: An Exploratory Analysis of Kickstarter Data with US Comparison
Notice bibliographique
Résumé
This study presents an exploratory and descriptive analysis of Canadian theatre projects on the Kickstarter platform, using both quantitative and qualitative data.We argue that crowdfunding is particularly relevant to arts entrepreneurship due to its emphasis on engaging an "audience" from the outset.Our quantitative analysis finds that many theatre projects in Canada are successfully raising funds on Kickstarter, with the success rate being similar to that of theatre projects in the US, but on a relatively smaller scale in terms of the amount of money raised.Only the provinces of Ontario, Quebec, British Columbia, and Alberta have more than three theatre projects on Kickstarter within the timeframe of our data, and in total each province is able to raise about ten to forty-thousand dollars per year for theatre projects through this platform.In our qualitative analysis we find that theatre crowdfunding in Canada is geared toward small-scale and subsistence-level funding, which could be construed as somewhat in line with the traditional hesitation to fully embrace profit-making in arts entrepreneurship, but may also be due to the local nature and limited ticketing capacity of theatre projects and what they perceive to be feasibly achievable goals on Kickstarter.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,014 | 0,029 |
| Études des sciences et des technologies | 0,011 | 0,003 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».