MétaCan
Menu
Retour à la cohorte
Enregistrement W4407068870 · doi:10.18192/clg-cgl.v8i2.7374

Arts Sector Research in Development

2025· article· en· W4407068870 sur OpenAlexvenueaboutno aff
Jamie Gamble, Robin Nelson

Notice bibliographique

RevueCulture and Local Governance · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThe artsPolitical scienceVisual artsArt

Résumé

récupéré en direct d'OpenAlex

Despite good intentions, academic research often reflects an extractive model and is not always seen as useful within the Canadian arts sector. Mass Culture is a non-profit organization that aims to bring together cultural workers and academics in support of collaborative research and better knowledge mobilization. To that end, their Research in Residence (RinR) initiative involved complex collaborations between the arts sector and academia to explore five applied research projects on a topic of shared importance to participants - that is, articulating the value of the arts through qualitative rather than quantitative measurements. To learn from the experimental research design, participants conducted a developmental evaluation with five lines of inquiry: benefits and effects, program design adaptations, values alignment, efficacy and potential, and knowledge mobilization and research engagement. The evaluation had three purposes: (1) to gather data and facilitate analysis of the key questions that the initiative was trying to understand; (2) to inform Mass Culture's implementation and adaptation of the initiative; and (3) to generate insights on principles and practices that could inform the design of future initiatives. This article considers the second and third purposes, outlining key lessons learned that shaped the initiative and/or should inform future projects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,040
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,217

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,041
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,015
Études des sciences et des technologies0,0090,025
Communication savante0,0190,007
Science ouverte0,0020,010
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0240,003

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 Opus0,090
Tête enseignante GPT0,362
Écart entre enseignants0,273 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCulture and Local GovernanceMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207