Acte de mise sur table : méthodes de mise en scène favorisant la création d'expériences artistiques « nourrissantes »
Bibliographic record
Abstract
Cette recherche-création utilise une approche qualitative pour mieux comprendre les liens qui existent entre la metteure en scène et sa capacité à nourrir ses collaborateurs et sa communauté. En partant du constat que la nourriture est de plus en plus présente sur les scènes contemporaines et dans les processus créatifs, cette recherche étudie pourquoi une quantité d’artistes utilisent l’aliment comme outil « nourrissant » permettant rencontre et partage. Me basant sur des exemples de théâtre participatif qui « nourrissent » ou mettent en scène la nourriture et explorent la fonction symbolique de l’aliment sur scène, j’espère illuminer la raison pour laquelle Richard Schechner dit en 2003 que le théâtre transforme ce qui est cru en ce qui est cuit1. La partie théorique de ce projet s’articule autour de l’analyse des notions comme le rituel, la convivialité, la performance, le théâtre communautaire, la participation et la dissociation alimentaire. Ensuite, la partie pratique de ce projet s’est déployée au cours d’un processus artistique de 10 laboratoires de création avec 6 acteurs, entre les mois de novembre 2020 et de mai 2021 à l’Université du Québec à Montréal. Durant ces laboratoires, j’ai mené des discussions et des improvisations dans le but d’étudier le rôle de la metteure en scène comme créatrice d’expériences artistiques nourrissantes et d’examiner comment séparer l’aliment de sa nature comestible. Ceci a donné lieu à une conférence-démonstration finale portant sur nos explorations et mes réflexions sur le processus, dont je rendrai compte ici. Grâce aux entretiens de groupe et questionnaires remplis par les acteurs, l’objectif principal de ce mémoire est de déterminer quels matériels, méthodes et explorations conduisent à changer notre vision de la nourriture et facilitent une culture théâtrale nourrissante. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : nourriture, théâtre participatif, art nourrissant, rituel, processus créatif, convivialité, communauté, mise en scène.
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 | 0.018 | 0.046 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.004 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.040 | 0.009 |
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".