MétaCan
Menu
Retour à la cohorte
Enregistrement W2148612047 · doi:10.1017/s1355771804000512

Marketing strategies for electroacoustics and computer music

2004· article· en· W2148612047 sur OpenAlexaff
Rosemary Mountain

Notice bibliographique

RevueOrganised Sound · 2004
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComposition (language)Computer musicSalientTask (project management)MultimediaFunction (biology)Palette (painting)Visual artsHuman–computer interactionAestheticsArtificial intelligenceArtMusicalEngineeringLiterature

Résumé

récupéré en direct d'OpenAlex

This article explores possible strategies for appraising electroacoustic and computer music to enhance ‘marketability’. It is proposed that the specific aesthetics, characteristics and function of a work may be more salient features than those of the medium of composition (e.g. computer) to many listeners. It is suggested that the common practice of focusing on chronology, geography and specific schools is becoming less relevant due to a proliferation of home studios, the internet, and an increasing saturation of electronic sounds in new media contexts. On the other hand, aspects of form, mood, timbral palette, rhythmic complexity, etc., may become very useful bases for choosing works for a compilation CD or concert programme. The inadequacies of musicians' discourse for describing such attributes leads to the incorporation of analogies from visual and performing arts as well as a discussion of other possible approaches to ‘labelling’ and the inherent dangers in such a task. In conclusion, it is proposed that the time is ripe for shuffling the categories and regrouping composers' works according to aesthetic preferences, regardless of the percentage of electronic/computer content.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,004
Communication savante0,0090,007
Science ouverte0,0010,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0220,002

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 Opus0,014
Tête enseignante GPT0,222
Écart entre enseignants0,208 · 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
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

Citations4
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganised SoundMême sujetMusic Technology and Sound StudiesTravaux en français237 207