Musical Totem: A Collaborative Composition Methodology During the Covid-19 Pandemic
Notice bibliographique
Résumé
As part of the Action Research Network of the Americas, the Musical Learning Community is a collaborative group, founded during the COVID-19 global pandemic, that has brought together musicians, artists, and educators to generate shared experiences. As members of this community, we explore new ways for collaborative music-making. Through creative, cultural, and conceptual influences, the idea of the Musical Totem emerged as a collaborative music composition methodology to transcend geographical distancing. We sought interpretative freedom by adopting methods of the surrealist technique Cadavre Exquis (Exquisite Corpse) while relying on the rich concept of totems to find thematic material and set compositional parameters. The process was carried out using arts-based and autoethnographic research approaches, which provided insights into our creative musical responses and remote collaborative working processes. This endeavor showed us that symbolism can provide compositional and performative challenges and that, as a methodology, the Musical Totem can create freedom and constraints depending on the musician, the conceptual influences, and the instrumentation. We also learned that engaging in a collaborative music-making process led to increased community bonding through shared creative expression.
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 | 0,031 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,023 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».