Being Ranked in a Material World: The visual originality of an artwork and its effects on the artist’s canonization
Notice bibliographique
Résumé
Originality is widely regarded as a determinant of an artist’s canonization, yet its long-term impact on cultural valuation remains underexplored. In this study, we address this gap by using advanced deep learning methods to gain new theoretical insights into the relationship between artists’ visual originality and their art historical significance. We conceptualize visual originality as the extent to which novelty—expressed solely in the visual features of artworks—affects the overall value of a focal artist, as determined by expert, peer, and market-based evaluative regimes. To empirically examine this relationship, we analyze 60,011 paintings spanning six centuries of fine art using computer vision methods. We also construct a comprehensive dataset and utilize text analysis to quantify the canonical importance of the 942 artists who created these paintings. Additionally, we develop a peer influence metric that gauges the importance of artistic novelty on subsequent artists. Our findings show that visual originality is a significant determinant of artists’ long-term standing in the art canon across all evaluative regimes. Moreover, there is a strong, positive relationship between artists’ visual originality within a stylistic movement and artists’ canonical rankings, particularly for expert and market regimes. Finally, we show that early innovators within a stylistic movement are significantly more likely to attain enduring art historical esteem, underscoring the importance of visual originality at the forefront of emerging artistic trends. Our findings are robust and validated across different contexts and time periods, while our methods extend the use of computational image and text analysis in organization studies research.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».