MétaCan
Menu
← Retour à la cohorte
Enregistrement W1963523632 · doi:10.5539/ibr.v7n10p101

An Embryonic Journey of Musical Entrepreneurship with “The Captain,” Jorma Kaukonen, and His Co-Pilot, Vanessa

2014· article· en· W1963523632 sur OpenAlexvenueno aff
J. Michael Geringer, Jeffrey Anderson

Notice bibliographique

RevueInternational Business Research · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGuitarMusicalEntrepreneurshipMusic industryWifeAppalachiaBusiness modelJazzVisual artsManagementAdvertisingBusinessMarketingSociologyArt historyArtEconomicsPolitical scienceLawMusic educationFinance

Résumé

récupéré en direct d'OpenAlex

The music business is a case study in how macro-environmental factors can radically transform an industry. Developments such as digital production and distribution, coupled with social media, crowdfunding, and changing consumer preferences, have dramatically transformed the business model for the recorded music industry in recent years and spurred the development of entrepreneurial business models to enable musicians to survive in their changing environment. As a solo artist and founding member of the musical groups Jefferson Airplane and Hot Tuna, Rock and Roll Hall of Fame musician Jorma (“The Captain”) Kaukonen has recorded albums for major labels such as RCA, Sony, and Columbia, as well as independent labels such as Relix and Red House Records. In this interview, Jorma and his wife and business manager, Vanessa Kaukonen, discuss their experiences as musical entrepreneurs in the digital age, including their founding of the unique Fur Peace Ranch guitar camp in the hills of Appalachia. The entrepreneurial business undertakings of the Kaukonens highlight the potential for entrepreneurial musicians to develop innovative and sustainable business models for surviving in this new world of music.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0200,016
Communication savante0,0120,007
Science ouverte0,0010,009
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,128
Tête enseignante GPT0,392
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business Research→Même sujetCultural Industries and Urban Development→Travaux en français237 207→