Les industries culturelles : l’art de se réinventer pour assurer la pérennité des modèles artistiques
Bibliographic record
Abstract
La pandémie qui sévit depuis plus d’une année a eu un impact majeur sur les industries culturelles, lesquelles ont été particulièrement touchées par les mesures sanitaires mises en place au Québec. La survie de la culture, notamment en région, est remise en question. Cette recherche poursuit l’objectif de comprendre les adaptations nécessaires aux modèles artistiques afin de rendre les industries culturelles pérennes en région malgré la crise mondiale. Pour ce faire, nous avons mené 5 groupes de discussion regroupant 22 participants et tenu 33 entrevues semi-structurées avec des artistes ou des travailleurs au sein d’organismes culturels. Nous visons les secteurs de la musique, des arts visuels et médiatiques et des arts vivants. Les résultats de cette recherche mettent en lumière les problématiques vécues au sein de ces industries en région comme la fermeture de lieux de diffusion, l’annulation d’événements et la migration de travailleurs vers d’autres secteurs d’activité ou régions. Malgré ces problématiques, nous relevons de nombreuses initiatives permettant à ces industries de traverser la crise. Ces initiatives se déclinent sur deux plans, celui de la création et celui de la diffusion. Des artistes ont adapté leur pratique, par exemple, en exposant à l’extérieur. D’autres se sont tournés vers de nouveaux modes de diffusion comme la baladodiffusion. Des partenariats multidisciplinaires ont également vu le jour. Pour la diffusion, les organismes ont utilisé les nouvelles technologies permettant, par exemple, des expositions virtuelles. Les artistes et travailleurs culturels sont parvenus à mettre en place des stratégies assurant la pérennité de leur modèle artistique.
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.017 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 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".