MétaCan
Menu
Retour à la cohorte
Enregistrement W2890695975 · doi:10.1017/s0040298218000323

I COULDN'T MAKE A PIECE AS BEAUTIFUL AS THAT: A CONVERSATION WITH ALLISON CAMERON

2018· article· en· W2890695975 sur OpenAlexaboutno aff
Anna Höstman

Notice bibliographique

RevueTempo · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLiterature, Musicology, and Cultural Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConversationImprovisationArt historyArtVisual artsMusicalPianoPerforming artsPerformance artDanceHistorySociologyCommunication

Résumé

récupéré en direct d'OpenAlex

Abstract The composer Allison Cameron (b. 1963) lives in Toronto. Her music has been widely performed at festivals such as Emerging Voices in San Diego, Evenings of New Music in Bratislava, Festival SuperMicMac in Montréal, Newfoundland Sound Symposium, New Music across America, Bang on a Can Marathon in New York, New York, and Rumori Dagen in Amsterdam. A dedicated performer of experimental music in Toronto, Allison co-founded the Drystone Orchestra (1989) and the Arcana Ensemble (1992). She has been improvising since 2000 on banjo, ukulele, cassette tapes, radios, miscellaneous objects, mini amplifiers, crackle boxes, toys and keyboards, in collaboration with Éric Chenaux, the Draperies, Ryan Driver, Dan Friedman, Mike Gennaro, Kurt Newman, John Oswald, Stephen Parkinson and Mauro Savo, among other musicians. In that same year she became Artistic Director of Toronto's experimental ensemble Arraymusic, a position she held for five years. In 2007, she founded the Allison Cameron Band with Eric Chenaux and Stephen Parkinson, and in 2009, the trio c_RL with Nicole Rampersaud (trumpet) and Germaine Liu (drums). Allison has experimented with graphic and notational scores that will soon be gathered and published as a collection. Additionally, she is the winner of the 2018 KM Hunter Award for music in Ontario.

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)0,007
score de la tête « metaresearch » (Gemma)0,014
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,252
Score d'incertitude au seuil0,502

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0480,013
Communication savante0,0100,007
Science ouverte0,0020,004
Intégrité de la recherche0,0070,012
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,025
Tête enseignante GPT0,299
Écart entre enseignants0,274 · 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
GenreAutre

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTempoMême sujetLiterature, Musicology, and Cultural AnalysisTravaux en français237 207