MétaCan
Menu
Retour à la cohorte
Enregistrement W2757285038 · doi:10.7202/1039294ar

L’art perdu de « faire des chansons » : la chanson de composition locale dans la région du Détroit

2017· article· fr· W2757285038 sur OpenAlexaffvenueabout
Marcel Bénéteau

Notice bibliographique

RevueCahiers Charlevoix Études franco-ontariennes · 2017
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCanadian Identity and History
Établissements canadiensUniversity of Sudbury
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

L’ethnologue Marcel Bénéteau s’intéresse à la chanson de composition locale, un secteur négligé dans le domaine de la chanson folklorique. Le plus souvent créées par des non-professionnels sur des airs connus, les chansons de ce type ont longtemps été considérées par les experts comme étant de facture maladroite, de contenu douteux et de valeur insignifiante comparées aux pièces importées de la France à l’époque coloniale. Conséquemment, les grands folkloristes du Canada français les ont peu recueillies. Pourtant, la facture de telles chansons, qui commémorent des événements locaux, qui mettent en valeur des incidents de la petite histoire et qui commentent les conditions sociales dans les communautés en question, est au coeur même de la démarche folklorique. « Faire des chansons » est une pratique qui engage les gens dans un dialogue avec la tradition et les amène à situer leur vécu dans le contexte plus large d’un procédé transmis d’une génération à l’autre. À partir d’un corpus de chansons locales composées dans la région de Windsor, l’auteur analyse les modalités de cet art de « faire des chansons », depuis l’appropriation et l’adaptation de chants existants jusqu’à la création de nouvelles chansons. De plus, il s’intéresse à la fonction sociale des chansons locales ainsi qu’à leur apport aux études ethnologiques, linguistiques et historiques.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,646
Score d'incertitude au seuil0,704

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,015
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,010
Tête enseignante GPT0,226
Écart entre enseignants0,216 · 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
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCahiers Charlevoix Études franco-ontariennesMême sujetCanadian Identity and HistoryTravaux en français237 207