MétaCan
Menu
Retour à la cohorte
Enregistrement W4416817554 · doi:10.65324/imb004

Media characteristics of the museum

2025· article· W4416817554 sur OpenAlexaboutno aff
Alexandra Yu. Koreneva

Notice bibliographique

RevueIssues of Media Business · 2025
Typearticle
Langue
DomaineComputer Science
ThématiqueInnovations in Education and Learning Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExhibitionContext (archaeology)Relation (database)Museum informaticsDigital mediaState (computer science)

Résumé

récupéré en direct d'OpenAlex

The museum acts as an intermediary between history, traditions, knowledge, and man. At the same time, the museum forms a certain type of thinking. The article suggests that the museum can also be considered as a medium (in the context of the tradition of the Toronto School of Communication). The article is devoted to the consistent comparison of the museum, especially its modern form, and the media. Previously, the museum was not considered as a medium. The article presents the conceptual framework of the study. The forms of classical and modern museums are compared: the class museum is equated by the author with traditional media, while the modern one is correlated with new types of media. Among such media characteristics, it is proposed to distinguish: the transmission of information to the target audience; the regularity of broadcasting information; rubrication and orientation to the needs of the target audience. Based on the research of Western media researchers, J. Bolter and R. Gruzin, the media characteristics considered in relation to museum activities are remediation, hypermedia and immediacy. The author gives examples of exhibitions of the Pushkin State Museum of Fine Arts, the State Tretyakov Gallery, the HPP-2 exhibition space, as well as the online Google Art&Culture platform.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,002
Communication savante0,0070,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,018
Tête enseignante GPT0,287
Écart entre enseignants0,268 · 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'étudeSans objet
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'admission1
Résumé présentoui

Explorer davantage

Même revueIssues of Media BusinessMême sujetInnovations in Education and Learning TechnologiesTravaux en français237 207