MétaCan
Menu
Retour à la cohorte
Enregistrement W2598907457 · doi:10.4000/transposition.1577

Machines à copier

2016· article· fr· W2598907457 sur OpenAlexaboutno aff
John Shiga

Notice bibliographique

RevueTransposition · 2016
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueCopyright and Intellectual Property
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

Malgré le grand nombre d’études sur le copyright musical, rares sont les travaux qui explorent de manière directe et approfondie le rôle du droit dans la régulation de la mémoire musicale. En considérant l’enregistrement sonore comme une technologie mémorielle, il s’agit de comprendre la manière dont les lois régissant le copyright tentent de gérer l’impact d’une telle technologie sur les concepts juridiques de mémoire musicale et de subjectivité auctoriale. L’article analyse la jurisprudence concernant la « cryptomnésie » ou le plagiat inconscient aux Etats-Unis et au Canada, c’est-à-dire des cas où la défense consiste à démontrer l’impossibilité d’un accès à l’œuvre originale et donc l’impossibilité de sa copie. Ces similitudes contestées font apparaître la dispersion de la mémoire et de la créativité dans un réseau hétérogène comprenant non seulement les compositeurs, les musiciens et les producteurs, mais aussi les institutions et les machines : le sujet auctorial des discours et des pratiques juridiques s’en trouve radicalement décentré. Les procès de la fin du XXe siècle sur le plagiat inconscient anticipent les récentes campagnes juridiques contre le remix en forme de mash-up, le partage de fichiers en peer-to-peer et les autres pratiques populaires de reproduction de la musique en ligne. Ils annoncent les préoccupations actuelles concernant les subjectivités des créateurs ou consommateurs lorsqu’elles se trouvent entrelacées avec des technologies numériques. Le copyright est le lieu de surveillance et de normalisation de certains modes d’écoute et de mémorisation des enregistrements sonores, afin de désamorcer les tensions inhérentes au champ de la reproduction musicale capitaliste.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,197
Score d'incertitude au seuil0,658

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,004
Communication savante0,0070,007
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1970,054

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 Opus0,017
Tête enseignante GPT0,204
Écart entre enseignants0,188 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTranspositionMême sujetCopyright and Intellectual PropertyTravaux en français237 207