El Agroturismo en sinergia con la preservación de los recursos culturales ancestrales. (El tejido de la fibra de cabuya en la comunidad de Nizag)
Notice bibliographique
Résumé
La caracterización automática de obras musicales, e intérpretes de las mismas, es objeto de investigación en la actualidad. Debido principalmente a la importancia del tópico, pero también al auge tecnológico y la disposición de herramientas computacionales capaces de detectar voz y sonido. El reconocimiento automático de una composición, así como su intérprete y características relevantes desde el punto de vista musical, ha mantenido a una comunidad de investigadores en la búsqueda de medidas que permitan hacer comparaciones e inferir con precisión sobre las características de la composición y el intérprete; sin embargo, esta medida aún está por descubrirse, aunque se han generado diversas técnicas estadístico-computacionales que merecen ser evaluadas y quizás combinadas para fortalecer cualquier investigación en este tópico. Este trabajo, producto de una basta revisión bibliográfica, recoge las principales técnicas y herramientas que han sido utilizadas y propuestas por investigadores en las últimas dos décadas. El documento será de ayuda a los investigadores que decidan emprender estudios, evaluaciones e implementaciones de estas herramientas, así como también aquellos que deseen trabajar en el reconocimiento automático de obras musicales, sus características e intérpretes, o recuperación de información musical.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».