Critères et processus d’évaluation en art contemporain. Les concours d’aide à la création du CALQ
Bibliographic record
Abstract
Dans la carrière d’un artiste ou d’un écrivain, l’obtention d’une bourse d’un organisme subventionnaire est souvent importante, pour ne pas dire déterminante, car elle fournit une aide financière tout en constituant une reconnaissance (par les pairs). Mais comment procède-t-on pour évaluer les candidats à de telles bourses, et surtout selon quels critères les décisions d’attribuer ou non des bourses à des candidats sont-elles prises ? Ce sont les questions que nous nous sommes posées, tout en nous disant que ces critères sont non seulement esthétiques mais aussi moraux. Les décisions se prennent in situ, au sein de comités qui réunissent des pairs, artistes ou spécialistes de l’art. Sur la base de l’observation in situ des délibérations des jurys et d’entrevues avec les membres et en nous appuyant sur des travaux en sociologie de l’art, dont ceux de Nathalie Heinich, nous montrons, par nos résultats, que diverses formes d’art sont privilégiées, pourvu que cela respecte un certain nombre de critères, à savoir la contemporanéité, la singularité et l’authenticité. Tout se passe donc comme si chaque candidature était l’objet d’une triple évaluation et que chaque candidat devait traverser trois « épreuves » afin de réussir le concours, la plus importante étant celle de l’authenticité, étroitement associée à l’évaluation en rétrospective de la démarche artistique.
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 | 0.062 | 0.112 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.013 | 0.010 |
| Science and technology studies | 0.008 | 0.014 |
| Scholarly communication | 0.024 | 0.010 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.017 | 0.004 |
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".