La rencontre de l’ethnologie et de la muséologie, toute une histoire
Bibliographic record
Abstract
En suivant la trame du patrimoine immatériel à l’épreuve du temps, il est intéressant de retracer les liens entre l’ethnologie, étude des peuples, et la muséologie, mise en valeur du patrimoine matériel et immatériel. Notre point de départ se situe en 1937, au deuxième Congrès de la langue française au Canada, où il y a eu une vraie prise de conscience quant à la conservation le patrimoine francophone. La présence de personnalités telles que l’abbé Lionel Groulx, Maurice Duplessis, ou encore Luc Lacourcière à ce congrès en fait une date clef. Puis, de fil en aiguille, nous aborderons la modernisation des institutions culturelles au Québec, avec notamment la création de Parcs Canada en 1972 ou encore du Musée de la civilisation en 1988. Cette dynamique de modernisation permet l’inclusion du patrimoine dit populaire et du patrimoine immatériel au sein des institutions. Enfin, dans le développement d’une discipline, il ne faut pas oublier l’importance des programmes de formation pour les générations futures. Cela constituera notre troisième axe. Notre réflexion est basée sur la place du patrimoine immatériel qui est souvent questionnée mais pourtant si importante dans nos sociétés.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.011 | 0.042 |
| Scholarly communication | 0.013 | 0.010 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.007 |
| 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".