Text-mining metadata: What can titles tell us of the history of modern and contemporary art?
Notice bibliographique
Résumé
The use of statistical text-mining to investigate the linguistic structure of textual resources has received limited attention in digital art history. In this paper the question I address is that of what text-mining titles as given in metadata can tell us about the history of modern and contemporary art. To investigate this question I constructed a dataset from the metadata for over 170,000 artworks, drawing on the online collections of 133 art museums in 30 countries. The use of topic modelling, parts-of-speech tagging and word counting allows me to identify large-scale and long-run patterns in the language used in the titles of those artworks. I set out an art historical reading of those patterns in which artistic interests signalled by the language used in titles come and go and are re-inflected, epistemic perspectives on the kinds of knowledge art can or should engender change, and artists engage with the ways that the title functions. My ‘distant’ reading is consistent with the canonical history of modern and contemporary art and cuts across the particularities of artist, period or movement which often feature in such accounts, providing a fresh perspective on that history. It also complements and extends the scholarship on the history of titles in the visual arts. The analytical framework and the dataset I have developed are not limited to answering the question addressed in this paper, and I consider some of the possibilities for future work.
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 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,014 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,015 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».