Nouvel essor du rap québécois : développement numérique d’une culture en marge de l'industrie
Bibliographic record
Abstract
Dans la dernière décennie, la profonde mutation de l’industrie musicale québécoise impose aux artistes le renouvellement de l’offre à travers de nouveaux lieux virtuels désormais fréquentés par les consommateurs. Longtemps tenus à l’écart de la culture de masse, les artisans du rap québécois développent cependant depuis déjà plusieurs années des stratégies maximisant ces nouvelles possibilités offertes par le Web. La présente recherche met donc en lumière le rôle structurant joué par le numérique dans le développement du rap québécois alors que ses artistes n’ont eu d’autres choix que d’optimiser les outils de promotion et de diffusion alternatifs. En posant d’abord un regard sociohistorique sur l’articulation autonome du mouvement hip-hop dans la province, nous identifierons les raisons de sa marginalisation et le rôle qu’y ont joué les dispositifs virtuels. Nous nous pencherons ensuite sur la forte croissance des pratiques de consommation numériques des publics québécois depuis 2000, encore plus marquée chez les publics ayant démontré un goût pour le rap. Puis, nous étudierons les dynamiques communicationnelles qui se développent entre les rappeurs et leurs publics au sein des communautés Web. Ainsi, nous retracerons la construction d’activités alternatives au sein du réseau qui permet au rap de s’implanter au Québec. Nous serons alors en mesure de mieux comprendre les comportements novateurs qui permettent au genre de faire face aux défis actuels de l’industrie musicale de la province.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.005 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 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".