MétaCan
Menu
Retour à la cohorte
Enregistrement W2792823278 · doi:10.1080/14626268.2018.1423997

Conducting the in-between: improvisation and intersubjective engagement in soundpainted electro-acoustic ensemble performance

2018· article· en· W2792823278 sur OpenAlexaff
Doug Van Nort

Notice bibliographique

RevueDigital Creativity · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésEmbodied cognitionGestureImprovisationComputer scienceArticulation (sociology)Human–computer interactionMovement (music)ChoreographyIntersection (aeronautics)Active listeningCommunicationPsychologyDanceVisual artsArtificial intelligenceAestheticsEngineeringArt

Résumé

récupéré en direct d'OpenAlex

This paper examines an approach to ensemble performance, guided by a form of improvised conducting that functions both as communication with musicians and an embodied interface for transforming the ensemble sound. The framework for analysis draws upon the concepts of distributed creativity, its intersection with a listening-centric approach to meaning creation and an embodied cognitive stance on the development of semantic identifiers in music/movement practice. In the described project, tensions are negotiated between acoustic and electronic sources, and between bottom-up structured improvisation and top-down guidance via Soundpainting conducting. These continuums are amplified and explored through another layer of shared articulation, as machine learning has been applied to recognition of the composer/conductors gestures as well as to continuous mapping of conductor movement to sound transformations. These techniques allow for an intersubjective engagement between all members of the ensemble, wherein sound and movement gestures are co-constructed.

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)0,002
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,016
Communication savante0,0070,004
Science ouverte0,0010,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,044
Tête enseignante GPT0,268
Écart entre enseignants0,224 · 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'étudeQualitatif
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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital CreativityMême sujetMusic Technology and Sound StudiesTravaux en français237 207