MétaCan
Menu
Retour à la cohorte
Enregistrement W3004112283 · doi:10.7202/1068384ar

Quelques propos sur les outils et les méthodes audionumériques en musicologie. L’interdisciplinarité comme rupture épistémologique

2020· article· fr· W3004112283 sur OpenAlexvenueno aff
Pierre Couprie

Notice bibliographique

RevueRevue musicale OICRM · 2020
Typearticle
Languefr
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyArtPolitical science

Résumé

récupéré en direct d'OpenAlex

Des premières utilisations de base de données dans les années 1970 aux travaux récents portant sur l’analyse de fichiers audio, les musicologues ont progressivement intégré l’usage des technologies numériques dans leurs méthodes de travail. Toutefois, si quelques logiciels comme iAnalyse proposent des interfaces adaptées aux sciences humaines, force est de constater que ces technologies restent encore difficiles à manipuler sans de solides bases en informatique ou en acoustique. Dans cet article, l’auteur présente une pratique interdisciplinaire de la recherche à la base de la musicologie numérique qui couvre un champ d’activités très vaste allant de l’usage de logiciels pour améliorer les méthodes existantes au développement de nouvelles méthodes indispensables à l’étude de certains corpus. Dans ce dernier cas, la modification profonde de la nature même de la pratique musicologique, le décentrement vers une discipline hybride et le changement de perspective sur un objet musical complexe mettent en évidence une véritable rupture épistémologique.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,836
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
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 Opus0,125
Tête enseignante GPT0,316
Écart entre enseignants0,192 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue musicale OICRMMême sujetMusic Technology and Sound StudiesTravaux en français237 207