Notice bibliographique
Résumé
Museums have long been thought of as “quiet” spaces, in which visitors walk slowly through galleries to look at material cultures in glass cases. Music and sound have begun to pervade the quiet spaces of museums in the forms of aural installations and performance-based programs. They are no longer galleries for solely visual engagement, but loud spaces in which visitors and audiences listen to recordings, experience live performances, and participate by themselves singing and playing in workshops, classes, installations, and impromptu demonstrations. This article explores three case studies in exhibiting music. The first is the exhibition Ragamala: Garland of Melodies, which was on display at the Royal Ontario Museum and sought to demonstrate the fluidity between the South Asian arts. The second is an investigation of some of the formal and informal performance-based programming at the Aga Khan Museum. The last case study focuses on a future project, in which collectors of Indian audio cultures will submit contributions to help construct a history of sound in India. Each case study is motivated by a series of central questions: what constitutes “exhibiting music”? What are the broader implications of and consequences for exhibiting music in each case? How does exhibiting music in a museum impact a visitor’s experience? What kinds of new stories are told in exhibiting music and sound? The three case studies respond to these questions and provoke issues and possibilities for further critical inquiry. They show that museums are dynamic spaces with incredible potential to inspire multi-experiential engagement.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».