Visibilité de l’identité francophone québécoise sur les médias socionumériques des artistes en arts visuels
Bibliographic record
Abstract
Dans le contexte social du monde des arts visuels, des hiérarchies fonctionnelles sont à l’œuvre. Des experts détenant un pouvoir décisionnel indéniable exercent une influence sur le statut et la carrière des artistes d’art actuel. Cette influence vient causer des problèmes pour certains artistes au moment d’établir une présence socionumérique puisque la visibilité encourue par une telle présence peut être bénéfique, mais aussi nuire à leur réputation au sein des cercles plus traditionnels. Il s’agit d’un réel dilemme : chercher à obtenir de la visibilité en ligne ou pas ? Est-ce que le jeu en vaut bien la chandelle ? L’enquête proposée cherche à comprendre comment s’articule la présence en ligne des artistes inscrits dans des milieux culturels, identitaires ou de pratique situés hors de la « norme » occidentale anglophone qui domine sur Internet. Articulée autour de notions rattachées à la sociologie de la culture et à la sociologie des usages, cette étude brosse un portrait des médias socionumériques utilisés par les artistes francophones d’art visuel, plus particulièrement des artistes professionnels membres du Regroupement des artistes en arts visuels du Québec (RAAV). Nous accordons une attention particulière au choix des langues utilisées par ces artistes sur les plateformes (le français et/ou l’anglais), ainsi qu’aux indicateurs de localisation géographique que l’on y retrouve. Ces deux facteurs de visibilité identitaires sont mis en relation avec le niveau de popularité des comptes à l’étude. Ultimement, cette enquête révèle que les plateformes les plus utilisées par les artistes professionnels du RAAV sont Instagram, Facebook et LinkedIn et que ces plateformes invitent à l’adoption de comportements spécifiques en matière de mise en visibilité de soi. Chez les artistes à l’étude, les médias socionumériques servent à donner de la visibilité à leur vie professionnelle plutôt qu’à leur vie personnelle. Finalement, nous observons également que, si une large proportion des artistes ne donne aucun indice quant à leur attache identitaire ou géographique sur les médias socionumériques, ceux qui le font nous permettent de constater que le choix de la langue semble avoir un impact sur la popularité et la découvrabilité de leurs comptes.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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; both teacher heads agree on what is shown here.
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".