De la mesure du temps à l’analyse des séquences d’action. Dynamique de l’attention dans les études du public des musées
Bibliographic record
Abstract
Cet article analyse l’usage des données spatio-temporelles dans les enquêtes de public mobilisant le suivi chronométré de visiteurs d’exposition. Il met en lumière un paradoxe : ces études emploient des données séquentielles, des suites ordonnées de coordonnées spatio-temporelles, mais elles produisent des analyses ne tenant aucun compte de la temporalité de l’activité de visite. Nous avançons deux explications. D’une part, la perspective d’évaluation des expositions qui domine dans ces enquêtes incite les chercheurs à transformer l’échelle de leur analyse en passant de données centrées sur les individus à des analyses centrées sur les objets exposés. D’autre part, la standardisation des outils n’a pas favorisé l’adoption de techniques d’analyse séquentielle. Nous présentons enfin, à partir des résultats d’une enquête ethnographique sur les réceptions muséales d’une toile de maître, quelques pistes d’analyse rendant compte de la temporalité de la visite.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".