MétaCan
Menu
Retour à la cohorte
Enregistrement W2148841065 · doi:10.7202/1014229ar

Musical Robots and the Serbian Kolo: A Narrative Analysis of Ana Sokolović’s Géométrie sentimentale (1997)

2013· article· en· W2148841065 sur OpenAlexvenueno aff
Brian Harman

Notice bibliographique

RevueCircuit Musiques contemporaines · 2013
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMusicology and Musical Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSerbianMusicalNarrativeRobotCarrHarmonicComputer scienceLinguisticsArtVisual artsLiteratureArtificial intelligenceAcousticsPhysicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Composer Ana Sokolović divided her instrumental work Géométrie sentimentale into large sections inspired by pure geometric shapes — Triangle, Cercle and Carré — describing these sections as three contrasting perspectives of the same musical materials. This article uses a narrative analytical approach as a lens through which to understand these distinct sections and the materials populating them. Inspired by Sokolović’s employment of musical objects in her compositions and by the extra-musical concepts inspiring many of her works, this analysis uses a collection of colourful robot toys as metaphors for the work’s materials. Three unique perspectives of these toys are described: in Triangle, the robots interact as characters on a dramatic stage; in Cercle, they peacefully coexist in slow motion; and in Carré new combinations of robot elements are abruptly juxtaposed against each other. The characteristics and interactions between these toys, as well as the various harmonic ‘masks’ that the composer has them wear, are helpful in understanding Sokolović’s harmonic structure, variation/transformation techniques, formal organization and rhythmic characteristics. The Serbian kolo is also shown as influential on the work, relating directly to the physicality and kinetics of the metaphorical robots.

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)0,002
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: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,011
Communication savante0,0080,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,229
Écart entre enseignants0,199 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCircuit Musiques contemporainesMême sujetMusicology and Musical AnalysisTravaux en français237 207