Advancing Equity in Arts Entrepreneurship
Notice bibliographique
Résumé
The authors conduct an empirical investigation of the national Equity X Program to understand not just the barriers that women face in becoming producers and developing business skills to move their career forward as artist entrepreneurs in Canada but also how emerging professionals feel about their perceived opportunities. The authors first situate the study within the literature on equity and inclusion in the creative sector and the importance of the music industry in this context. They then use an impact assessment framework that incorporates key indicators around equity and inclusion, aesthetic goals and approaches, and accessibility measures to help organize six rich clusters of data drawn from respondents (N=397). Using iterative open coding of open-ended responses to semi-structured questions, as well as critical discourse analysis, the authors examine the clustered data to illustrate or address these impact measures and to tease out the implications of each cluster of data. The analysis of the six clusters of data can help the sector (and their funders and policymaking supporters) better understand priorities for entrepreneurial capacity-building, including professionalization, technical skills, self-development, a sense of belonging through networking, entrepreneurial development, and emotional engagement in the sector. While the study does not suggest that systemic discrimination can be overcome any time soon, it does provide evidence of the ways in which women creatives in music believe that becoming more proficient in technical and business skills will help them; it also illustrates their optimism about being able to overcome discrimination. This generates a more complex understanding not just of some of the challenges faced by diverse women artist-entrepreneurs within Canada’s music ecosystem but also perceptions about how they aim to overcome these challenges. The article concludes by outlining future work required to ameliorate system-wide discrimination in arts entrepreneurship.
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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,019 |
| Communication savante | 0,012 | 0,006 |
| Science ouverte | 0,001 | 0,020 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 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 ».