MétaCan
Menu
Retour à la cohorte
Enregistrement W2077510184 · doi:10.1558/jazz.v7i2.20971

Jedi mind tricks

2015· article· en· W2077510184 sur OpenAlexaff
Marian Jago

Notice bibliographique

RevueJazz Research Journal · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiverse Music Education Insights
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésJazzImprovisationMusicalVisual artsPsychologyCognitive scienceComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

In the 1940s, pianist Lennie Tristano was among the first to attempt to teach jazz improvisation as an area of study distinct from instrumental technique. In doing so, he employed a methodology that was considered highly unorthodox at the time and that is still somewhat unique for jazz pedagogy. Chief among these unorthodox pedagogical devices was the use of visualization and other mental techniques for musical practice and composition. These methods enabled students to separate imaginative musical experiences from the habits of muscle memory, while at the same time speeding up the acquisition of certain digital techniques and developing the musical imagination. Visualization techniques also served to extend available practice time for students who lacked space suitable for audible instrumental practice, and to those who were working day jobs and had limited time available for instrumental practice. Recent studies in brain plasticity bear out Tristano’s intuitive use of mental techniques as a useful addendum to more traditional forms of instrumental and compositional practice. Though certainly not the first to emphasize the importance of mental conditioning and imaginative practice methods, Tristano’s use of them within a methodology for jazz instruction constitutes a unique pedagogical approach worthy of further research and discussion.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,005
Communication savante0,0060,007
Science ouverte0,0010,006
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0920,041

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 Opus0,543
Tête enseignante GPT0,426
Écart entre enseignants0,117 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJazz Research JournalMême sujetDiverse Music Education InsightsTravaux en français237 207