The path to inclusion through museum education (mediation) in museums of fine arts : from vulnerable audiences to a universal audience
Bibliographic record
Abstract
Nous étudions le musée comme lieu privilégié d'inclusion pour les publics fragilisés par des problématiques médicales, sociales ou médico-sociales. Notre approche infocommunicationnelle s'établit dans la relation entre musée, public et tiers médiateur, dans la médiation. Premièrement le musée, par son enracinement social et sa volonté de démocratisation assoit sa pertinence dans la question de l'inclusion muséale et sociale. Deuxièmement les publics fragilisés, sont présentés à travers les représentations qui les entourent, les termes qui les qualifient, la place de leurs accompagnateurs au musée et celle de la culture dans le travail social et la santé. Troisièmement la médiation, à travers dispositifs et médiateurs, ainsi qu'en mobilisant des relations musée-santé, définit des approches médiationnelles à destination des publics fragilisés, entre intégration, inclusion et implication. Notre méthode de recherche compréhensive nous a permis d'extraire trois publics cibles (personnes : atteintes de la maladie d'Alzheimer, en apprentissage du français, déficientes visuelles) dans l'objectif de globaliser les approches. Six musées cibles (musée des Augustins, musée du Louvre-Lens, musée du Louvre, musée Fabre, Musée des Beaux-Arts de Montréal, Museum of Modern Art) ont permis de produire corpus et entretiens. Nos réflexions pour accéder à la voie de l'inclusion sont de penser : d'une part, une transversalité de la fragilité amenant à augmenter l'universalité d'une médiation en conception universelle et à considérer un seul public universel ; d'autre part, la fusion du partenariat médiateur / éducateur spécialisé à travers un nouvel acteur hybride musée-santé : le remédiateur.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.015 | 0.024 |
| Scholarly communication | 0.016 | 0.011 |
| Open science | 0.002 | 0.027 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 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".