La dialectique entreprises-musées dans des territoires en reconversion. Le cas du textile roannais
Bibliographic record
Abstract
Pourquoi et comment des musées et des entreprises parviennent-ils à collaborer alors qu’ils poursuivent des objectifs fondamentalement différents, voire contradictoires : créer de la valeur d’utilité sociale pour les premiers, produire de la valeur économique pour les secondes. Les travaux que nous menons depuis 1980 sur les conditions de valorisation, tant économique que symbolique, du textile roannais ainsi qu’une enquête qualitative conduite en 2022 auprès d’une vingtaine de responsables de musées, d’élus et de dirigeants d’entreprise ont permis d’éclairer les formes et les enjeux des partenariats entre musées et entreprises dans ce territoire. L’exemple du textile roannais montre que des entités aussi différentes peuvent se rejoindre dans l’usage du patrimoine comme ressource. Valoriser l’image du textile made in France et sauvegarder des savoir-faire sont vécus comme des enjeux communs. Musées et entreprises trouvent ainsi des raisons objectives de négocier des partenariats et de résoudre en partie la dialectique musées-entreprises. Encore faut-il que les différentes parties prenantes (dirigeants, salariés et retraités d’entreprise, professionnels et bénévoles de la culture et du tourisme, collectivités locales et établissements publics de coopération intercommunale) parviennent à mobiliser l’intelligence collective territoriale pour coordonner leurs actions.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.011 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".