Multiple Narratives and Polyvocality as Strategies of Inclusive Public Participation: Challenges and Disruption in the History Museum
Bibliographic record
Abstract
Au cours des dernières décennies, la nouvelle muséologie et diverses études sur les pratiques participatives ont remis en question le rôle éducatif traditionnel unidirectionnel et le discours du musée. Les musées ont cherché de nouveaux cadres pour être pertinents socialement et inclusifs envers divers milieux sociaux et culturels. Ils ont aussi cherché à être représentatifs des multiples voix contemporaines (et historiques). Dans ce contexte, les musées ont tenté de démocratiser leur contenu et de présenter des récits multiples en travaillant avec les communautés pour fournir des points de vue critiques sur l’histoire, les théories et les pratiques muséales. Cependant, les musées d’histoire, en tant que champs de bataille mémoriels et sites de participation publique inclusive, ont lutté pour trouver un équilibre entre polyvocalité et autorité institutionnelle. Un patrimoine parfois dissonant, la représentation des minorités et les multiples interprétations possibles des objets ont compliqué leur position institutionnelle. Les musées ont répondu en adoptant trois stratégies dominantes pour aborder les multiples récits conflictuels (antagoniste, cosmopolite et agonistique), chacune d’entre elles apportant des défis et des interrogations spécifiques. Cet article adopte une approche théorique synthétique, décrivant d’abord les principaux défis de la polyvocalité et de la présentation de récits multiples dans les musées du point de vue de la société, des institutions et du public. Il examine ensuite les différents types de pratiques qui ont relevé ces défis et perturbé les pratiques muséales traditionnelles, en s’appuyant sur des exemples européens. Enfin, les conséquences de ces bouleversements sont examinées.
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 | 0.014 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.033 | 0.054 |
| Scholarly communication | 0.026 | 0.016 |
| Open science | 0.005 | 0.040 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.012 | 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".