Soutenir et encourager l’exploitation artistique des archives : état de la situation
Bibliographic record
Abstract
La création artistique à partir d’archives a pris de l’ampleur au cours des dernières années. Les archivistes ont tout intérêt à porter une attention particulière aux artistes et à l’usage qu’ils font des archives, notamment en les invitant à oeuvrer dans les centres et les services d’archives. Cet article présente les résultats d’une évaluation de la situation en matière de projets en arts visuels et médiatiques issus de l’exploitation des archives qui se sont déroulés dans des centres et des services d’archives, ainsi que les sources de financement envisageables pour leur réalisation. Cette analyse a permis d’identifier les caractéristiques, les tendances et les pratiques qui s’avèrent pertinentes et enrichissantes pour le domaine archivistique et qui suggèrent des actions qu’un archiviste pourrait poser dès le processus d’élaboration et tout au long de la réalisation de tels projets. Cette étude a révélé qu’encourager et soutenir l’exploitation artistique des archives s’avère profitable d’un point de vue archivistique, par le potentiel à faire augmenter l’utilisation des archives, à développer des compétences pour répondre aux besoins des artistes, à développer de nouvelles approches de diffusion, ainsi qu’à sensibiliser et attirer de nouvelles clientèles.
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 | 0.017 | 0.024 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.016 | 0.017 |
| Scholarly communication | 0.026 | 0.012 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".