L’islam des musées. La mise en scène de l’islam dans les politiques culturelles françaises
Bibliographic record
Abstract
Paris, Kuala Lumpur, New York, Doha, Berlin, Honolulu, La Chaux- de-Fonds : chacune de ces villes accueille un musée d’art islamique, et bien d’autres encore s’ajoutent à cette liste. Depuis les années 2000, et en particulier au lendemain des attentats du 11 septembre 2001, de plus en plus d’institutions culturelles investissent en effet ce secteur culturel. Dans ce contexte d’« islamania » muséale internationale, ce livre se penche pour la toute première fois sur le cas de la France, à travers les exemples du Musée du Louvre et de l’Institut du monde arabe. En analysant les mises en scène de l’islam depuis les Expositions coloniales du XIXe siècle à nos jours, cet ouvrage montre qu’il est à la fois utilisé par l’État français pour gérer l’altérité islamique et le reflet de politiques publiques à l’égard de la religion musulmane. Plus largement, le traitement muséal de l’islam permet de réfléchir à la régulation du religieux, et par conséquent à la laïcité. Il illustre aussi les tensions politiques et sociales qu’entraînent la présence de l’islam en France et, par extension, la place de l’autre dans les sociétés occidentales désormais multiculturelles et globalisées. S’intéresser à l’« islam des musées » dépasse ainsi l’observation de l’histoire d’un genre artistique, cela permet de rendre compte d’une partie de notre histoire culturelle, politique, sociale et religieuse. Diletta Guidi est docteure en lettres et en science politique. Elle a étudié l’histoire de l’art et la sociologie des religions en France, aux Émirats arabes unis, au Canada et en Suisse. Elle est actuellement maître-assistante à l’Université de Fribourg. Cet ouvrage est issu de sa thèse de doctorat, qui en 2020, a reçu le prix Vigener pour la meilleure thèse de la Faculté des lettres de Fribourg.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.013 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".