Du charivari au big data. Les musiques populaires au prisme des sound studies
Notice bibliographique
Résumé
Jonathan Sterne est professeur à l’université McGill à Montréal où il dirige la chaire « Technologie et culture ». Il est connu pour ses travaux sur l’histoire industrielle et les représentations culturelles du son, notamment un Sound Studies Reader et les ouvrages Une Histoire de la modernité sonore et MP3, the Meaning of a Format. Critique des théories réductrices du déterminisme technique et de l’innovation, son travail insiste sur la part des imaginaires scientifiques et des conditions sociales associées aux « techniques perceptives », à l’enregistrement et aux formats de compression sonores. Plus largement, il est le promoteur d’une pratique interdisciplinaire et d’une épistémologie qui tient compte des apports de chercheurs comme Michel Foucault, Stuart Hall ou Bruno Latour. Au sein des sound studies, il se soucie plus volontiers de mettre au jour les idéologies qui construisent le son et les savoirs de l’audition comme un domaine séparé, que d’instituer et de défendre l’autonomie d’un champ. Si les sound studies se sont construites par pas de côté vis-à-vis des recherches sur la musique, en étudiant les théories scientifiques et l’histoire des techniques du son, cet entretien reconnecte les apports des travaux de Sterne, et d’autres chercheurs proches, à l’étude des musiques populaires. Il fait apparaître les conditions d’une reprise féconde de leurs concepts et de leurs méthodes, sans nier les lignes de partage. Jonathan Sterne y présente une sensibilité à la musique qui puisse accueillir une politique du sonore.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,014 |
| Études des sciences et des technologies | 0,005 | 0,011 |
| Communication savante | 0,015 | 0,026 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».