L’entrée des femmes artistes dans la collection du MAC de 1964 à nos jours : analyses statistiques et facteurs déterminants
Bibliographic record
Abstract
Ce mémoire porte sur les facteurs institutionnels qui ont contribué à l’entrée des femmes artistes dans la collection du Musée d’art contemporain de Montréal, dont le pourcentage d’œuvres d’artistes-femmes, vis-à-vis des œuvres d’artistes-hommes, apparaît élevé en comparaison de ceux des collections d’arts modernes ou contemporains des musées nord-américains et d’Europe de l’Ouest. Selon le calcul effectué en 2016 par la conservatrice responsable de la collection, Marie-Ève Beaupré, la part d’œuvres de femmes artistes conservées au MAC à cette date serait de 33 %. La production de graphiques donnant à voir l’évolution de la quantité d’acquisitions par catégorie de genre s’est fondée sur une reprise des stratégies visuelles et militantes déployées par les Guerrilla Girls dès le milieu des années 1980. Ces visualisations ont été produites en collaboration avec Lena Krause, responsable du laboratoire l’Ouvroir d’histoire de l’art et de muséologie numériques de l’Université de Montréal. Le premier chapitre vise alors à expliciter l’intégration de ce mémoire au champ d’études d’histoire de l’art féministes d’après lesquelles les données statistiques représentent les points de départ d’analyses des modalités et des processus de reconnaissance institutionnelle des artistes (White 1965, Nochlin 1971, Arbour 2000, Dumont 2008, Zemans et Wallace 2013, Christensen 2016, Dymond 2019, Greenwald 2021). La majorité des pics d’acquisition d’œuvres d’artistes-femmes au MAC, repérés au deuxième chapitre, correspond à des stratégies d’attraction de donations, de même qu’à des acquisitions multiples et massives d’œuvres provenant de collections de marchand.e.s d’art et d’entreprises. Au troisième chapitre, nos repérages sont intégrés à des analyses transversales dans lesquelles plusieurs secteurs de l’institution sont mis en relation. Nous analysons en particulier l’impact de directeur.rice.s et de conservateur.rice.s sur la mise en place d’orientations favorables à l’amélioration de la représentation des femmes artistes dans la programmation ainsi que dans la collection. Finalement, la prévalence de médiums au sein du corpus d’œuvres d’artistes-femmes conservées s’avère refléter la valorisation, au musée, de mouvements qui ont émergé sur le devant de la scène artistique québécoise et auxquels a participé un certain nombre de femmes.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.018 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".