MétaCan
Menu
Retour à la cohorte
Enregistrement W3040694556 · doi:10.1093/oxfordhb/9780190636197.013.17

Creating with Constraints

2020· book-chapter· en· W3040694556 sur OpenAlexaff
Robert Hasegawa

Notice bibliographique

RevueOxford University Press eBooks · 2020
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésImprovisationStyle (visual arts)ManifestoMusicalActive listeningArtVariety (cybernetics)Composition (language)CreativityVisual artsRepetition (rhetorical device)Computer scienceAestheticsCognitive scienceLiteraturePsychologyLinguisticsPhilosophyArtificial intelligenceCommunicationSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract Musicians have long framed their creative activity within constraints, whether imposed externally or consciously chosen. As noted by Leonard Meyer, any style can be viewed as an ensemble of constraints, requiring the features of the artwork to conform with accepted norms. Such received stylistic constraints may be complemented by additional, voluntary limitations: for example, using only a limited palette of pitches or sounds, setting rules to govern repetition or transformation, controlling the formal layout and proportions of the work, or limiting the variety of operations involved in its creation. This chapter proposes a fourfold classification of the limits most often encountered in music creation into material (absolute and relative), formal, style/genre, and process constraints. The role of constraints as a spur and guide to musical creativity is explored in the domains of composition, improvisation, performance, and even listening, with examples drawn from contemporary composers including György Ligeti, George Aperghis, and James Tenney. Such musical constraints are comparable to self-imposed limitations in other art forms, from film (the Dogme 95 Manifesto) and visual art (Robert Morris’s Blind Time Drawings) to the writings of authors associated with the Oulipo (Ouvroir de littérature potentielle) such as Georges Perec and Raymond Queneau.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Autre
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,022
Tête enseignante GPT0,187
Écart entre enseignants0,165 · 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.

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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetMusic Technology and Sound StudiesTravaux en français237 207