Notice bibliographique
Résumé
In contemporary India, the museum remains a symbol of cultural prestige, yet according to national cultural surveys, fewer than 1% of Indians visit museums annually, a statistic that reflects not only structural and spatial exclusions, but also psychological barriers shaped by class, language, and institutional codes of conduct. These institutions are far from neutral: they embed expectations about how to see, move, and behave, privileging a didactic framework. In the absence of intimacy, dialogue, and belonging, the museum becomes a space visited, not inhabited. Rather than viewing space as a container for artifacts, this thesis reimagines space itself as an artifact that unfolds gradually, through movement, pause, and return. It challenges the limitations of institutional typologies through strategies of decentralization. How can museums be reimagined as porous spaces that invite dialogue and embed themselves within communities? Inspired by the conception of museums as “looking glasses” for wonder and emotion, this thesis is situated within a two-story vernacular bungalow in Bandra, Mumbai. Embedded in a neighborhood shaped by migration, artistic practices, and layered identities, the bungalow offers more than just a site—it offers a social network. Its transitional edges, fragmented volumes, and lived-in spatial structure resist institutional formality, allowing the museum to unfold not as a place of authority, but as a space of relation. By adapting the existing structure, this thesis explores design strategies centered on soft thresholds, blurred boundaries, and spatial porosity. It develops a spatial language that holds, frames, and reveals meaning through detail—composing relationships between rooms, courtyards, and passages. This language is built on gestures of joining, layering, concealing, and opening—subtle acts that shape the relationships between people, space, and cultural narratives.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,014 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,004 |
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 ».