MétaCan
Menu
Back to cohort
Record W2134539054 · doi:10.7202/016205ar

L’éclectisme culturel : l’exemple de la télévision au Québec

2007· article· fr· W2134539054 on OpenAlexvenueaboutno aff
Michèle Dupré Ollivier, Guy Gauthier

Bibliographic record

VenueRecherches sociographiques · 2007
Typearticle
Languagefr
FieldSocial Sciences
TopicSocial and Cultural Dynamics
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesArtPhilosophy

Abstract

fetched live from OpenAlex

Cet article se penche sur l’hypothèse, avancée dans les années 1990 par Richard Peterson, que l’on assiste actuellement dans le champ des pratiques culturelles à l’émergence d’une polarisation entre une classe éduquée d’omnivores culturels, dont les goûts et les pratiques sont diversifiés, et une classe moins éduquée d’univores culturels aux goûts plus restreints. À partir d’une analyse de l’écoute de dix genres d’émissions de télévision, nous nous interrogeons à savoir si l’éclectisme contemporain varie en fonction du champ dans lequel il s’exprime. Après avoir construit un indice de diversité des pratiques et une typologie des types d’amateurs de télévision, nous faisons état de résultats qui vont en sens inverse de toutes les recherches antérieures qui ont porté sur la musique et les sorties culturelles : en matière d’écoute télévisuelle, ce sont les personnes qui sont les plus éduquées, qui vivent dans de grandes villes, qui ont une origine ethnique mixte et qui utilisent plus d’une langue qui ont tendance à avoir des goûts plus restreints et à être univores. Ces résultats indiquent que l’éclectisme des goûts n’est socialement valorisé que dans la mesure où il s’alimente au moins en partie à des activités qui sont elles-mêmes valorisées ou valorisables et que les logiques à l’oeuvre dans des champs comme la musique et les sorties culturelles ne sont donc pas automatiquement transposables à toutes les pratiques culturelles.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.435
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0060.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0000.002
Science and technology studies0.0010.002
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0020.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.063
GPT teacher head0.386
Teacher spread0.322 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations6
Published2007
Admission routes2
Has abstractyes

Explore more

Same venueRecherches sociographiquesSame topicSocial and Cultural DynamicsFrench-language works237,207