Notice bibliographique
Résumé
Musical meaning is multifaceted. It is highly sensory and yet often abstract; able to cross cultural boundaries and yet embedded in specific traditions. For the most part music as a semiotic system is characterized by non-referential meaning (Monelle, 1991). Nevertheless, in so-called programmatic music, musical themes are intended to refer to worldly objects and events on the basis of iconic (and indexical) grounds. Such non-arbitrariness has been extensively documented in the case of speech as well (Ahlner and Zlatev, 2010; Sonesson 2013; Imai and Kita, 2014). In an experimental study, I investigated how referential iconicity in speech operates in comparison to music, considering the factors (a) primary/secondary iconicity and (b) linguistic/cultural background. In the experiment 21 Swedish and 21 Chinese native speakers had to match musical fragments from Prokofief’s Peter and the Wolf and spoken word-forms to objects, represented by schematic pictures. The experiment was designed to have two conditions to operationalize higher degree of primary and secondary iconicity, respectively. The results showed that there was no significant difference between the overall results for music and linguistic tasks, indicating that the cognitive-semiotic processes involved are not limited to a single cognitive domain or semiotic system. Both groups performed significantly above chance in both conditions, which serves as a clear indicator that interpreting referential music in music and speech sounds is not purely a case of secondary iconicity. Author Biography Verónica Giraldo’s academic background is in music and linguistics. She holds an MA in Language and Linguistics with specialization in Cognitive Semiotics from Lund University. The work presented derives from her master’s thesis project. One of her main interest is exploration of the possible correlations between language and music from the perspective of cognitive semiotics. She is currently researching on how to make visual art and museums more accessible to the blind and visually impaired community.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
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 ».