La scène comme nouvelle culture visuelle : entre effervescence urbaine, visibilité et circulation des images numériques
Bibliographic record
Abstract
L’étude des scènes culturelles apparue dans les années quatre-vingt-dix a été rapidement assimilée au champ des popular music studies et ce, dans une volonté de trouver une alternative aux notions de contre- ou de sous-culture. La polysémie et la malléabilité du terme ont ainsi donné lieu à des efforts souvent disparates ayant pour thème la sonorité ou le « son » d’une ville. Or si le son rythme bel et bien l’urbanité et lui donne son effervescence, n’y a-t-il pas lieu également de s’interroger sur la manière dont les images fournissent davantage qu’un simple décor en donnant précisément vie et corps à la ville ? L’objectif de ce texte est de réfléchir au concept de scène à partir d’une focale encore sous-exploitée, à savoir celle des visual cultural studies. Comment l’image devient-elle performative et comment entre-t-elle en scène formant du coup une sorte de surproduction culturelle ? Comment la circulation des images peut-elle engendrer de nouvelles expériences de socialité ? Le propos est illustré à partir de l’étude du Street art et plus particulièrement du calligraffiti à Montréal — mais également dans la manière dont ce dernier trouve échos à Paris, Beyrouth et Tunis. En tant qu’articulation du local, du translocal et du virtuel, cette pratique émergente doit permettre de comprendre comment la circulation et la mise en visibilité des images, dans un contexte contemporain d’hétérogénéité culturelle, d’hybridation artistique et de controverses sociales, peut susciter de nouveaux enjeux et codes politico-culturels.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.012 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
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".