MétaCan
Menu
Retour à la cohorte
Enregistrement W2396361231

Audio Graffiti: A Location Based Audio-Tagging and Remixing Environment

2009· article· en· W2396361231 sur OpenAlexafffund
Zack Settel, Mike Wozniewski, Nicolas Bouillot, Jeremy R. Cooperstock

Notice bibliographique

RevueThe Journal of the Abraham Lincoln Association · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Council for the Arts
Mots-clésComputer scienceMultimediaGraffitiFocus (optics)Mobile deviceHuman–computer interactionWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Technological advances in mobile computing, wireless communications, 3-D audio simulation, global positioning systems (GPS), and distributed data management have opened the door to novel multi-user mobile application spaces.These advances have allowed for a focus on location-based audiovisual content, ranging from navigation displays to distributed gaming, not to mention the serious potential for the arts, including music performance and installations.In our demonstration of Audio Graffiti, we explore novel modes of interaction with sound and space.Set in an outdoor "audio augmented" environment, we allow several mobile users to create and explore a gradually evolving wall of audio graffiti.Equipped with headsets and small mobile computers, each participant can 'tag' or 'spray' the wall with their audio, mixing in with pre-existing musical material.Others can walk about, experiencing a mix that changes based on their position and movement, resulting in a collaborative jamming and personal remixing space.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,198
Écart entre enseignants0,192 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Abraham Lincoln AssociationMême sujetMusic Technology and Sound StudiesTravaux en français237 207