MétaCan
Menu
Retour à la cohorte
Enregistrement W2904585904 · doi:10.7202/1054146ar

Essai de caractérisation de l’évolution des musiques super-héroïques de Batman (1989) à The Dark Knight Rises (2012)

2018· article· fr· W2904585904 sur OpenAlexvenueno aff
Jérôme Rossi

Notice bibliographique

RevueRevue musicale OICRM · 2018
Typearticle
Languefr
DomaineComputer Science
ThématiqueCultural Insights and Digital Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArtHumanities

Résumé

récupéré en direct d'OpenAlex

Vingt-trois années séparent les musiques des films Batman (Tim Burton, 1989) et The Dark Knight Rises (Christopher Nolan, 2012) avec les compositions respectives de Danny Elfman et Hans Zimmer. Si les compositeurs restent tous deux fidèles à une conception signalétique des thèmes, Zimmer propose toutefois un nombre plus élevé de matériaux thématiques, avec la présence d’un « ostinato identifiant » pour chacun des trois personnages principaux, en plus de leurs thèmes propres. Élaborée par une véritable équipe, la « narration sonore » constitue également un enjeu majeur de l’esthétique de Nolan et Zimmer avec l’élaboration, sur l’ensemble du film, d’un continuum bruit/musique, dont ce que nous avons appelé l’« effects underscoring » constitue l’une des stratégies les plus novatrices parmi celles proposées. L’« effects underscoring » est une technique compositionnelle par laquelle la musique se voit destinée à former un écrin émotionnel non plus aux voix, mais aux bruits lors de séquences où ce sont eux qui, par leur propriétés intrinsèques (organisation rythmique, caractéristiques timbrales), concentrent la signification dramaturgique d’un passage. Le travail minutieux sur les bruits, qui s’ajoute à une meilleure définition de ceux-ci grâce à la technologie numérique, « libère » la musique dans son rapport à l’image ; nous en observons les effets concrets en comparant les synchronismes et le maniement des ostinatos (longueur, pédales harmoniques, rythme harmonique) dans des scènes d’action empruntées aux deux films. Tandis que le travail d’Elfman se caractérise par une écriture vive et prompte à souligner tant les actions des personnages que les changements de plans, Zimmer se détache des évènements visuels en privilégiant une plus grande continuité musicale qui repose en partie sur ce nous avons appelé le stem scoring , soit une composition musicale conçue en plusieurs strates que le compositeur ou le mixeur peut à loisir déclencher ou taire en fonction de l’image.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,381
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,176
Tête enseignante GPT0,308
Écart entre enseignants0,131 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue musicale OICRMMême sujetCultural Insights and Digital ImpactsTravaux en français237 207