Du canot à glace sur le Saint-Laurent au parapluie de berger des Pyrénées : les inventaires du patrimoine culturel immatériel au Québec et en Aquitaine
Bibliographic record
Abstract
Avec le projet d’Inventaire des ressources ethnologiques du patrimoine immatériel (IREPI) débuté en 2003-2004, le Québec figure parmi les pionniers à mener un inventaire du patrimoine culturel immatériel sur son territoire. Sélectionnant des personnes-ressources ou « porteurs de patrimoine », la Chaire de recherche du Canada du patrimoine ethnologique de l’Université Laval a développé une méthodologie alliant des techniques d’entretien et des techniques audiovisuelles pour mener des enquêtes de terrain. Ces données collectées sont valorisées par le biais des nouvelles technologies en créant un inventaire multimédia sur internet, et non par la méthode « classique » d’un simple inventaire papier ou par fiche. En 2006, la France se lance dans cette entreprise en s’inspirant de la méthodologie utilisée au Québec. L’une des opérations-pilotes, menée en Aquitaine, se tourne également vers les outils audiovisuels pour mettre en image l’inventaire du patrimoine culturel immatériel, en suivant une méthode de recherche alliant démarche empirique, fiches d’inventaire (description textuelle et réalisation de court-métrages) et valorisation sous forme d’exposition physique et virtuelle. Si les méthodes d’investigation pensées sur le mode ethnologique semblent similaires, ces inventaires émergent dans un contexte historique, social et politique particulier qui les façonne et les modèle en fonction de la rhétorique patrimoniale ou du cadre institutionnel et juridique en vigueur de chaque côté de l’Atlantique. Les problèmes de temporalités du travail d’enquête, de conservation et d’exploitation des données collectées, de « regard patrimonial » et de sa construction sont également inhérents à ces projets de recherche appliquée.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.014 | 0.010 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".