Métadonnées et répertoire musical québécois : un essai de mobilisation des connaissances dans le nouvel environnement numérique
Notice bibliographique
Résumé
Digitized music must contain metadata in order to be licensed, searched, tracked and paid for online usage. Whether factual, cultural (tags and folksonomy), contractual-time-sensitive, content based or usage generated, new norms and standards are being defined to aknowledge the increasing role of music metadata. This research sets out the results of a survey conducted on metadata in the field of sound recording, This first research project is complemented by a second which focuses more specifically on the knowledge mobilization used in carrying out this research, and the construction and transmission of the results. Beyond this formal academic framework, the project involves a phase of mobilization and implementation which has as its aim the development of the TGIT technical and software capability. The overall aim of the project is to meet the practical needs of industry partners, and, as a logical consequence of research-action, these partners will participate to the new phases of the project. For the purposes of our study, we have created a list of musical databases which are already in use. At the time of publication, the list contains 60 databases. For the purposes of our study, we have also created a cross-referenced table of metadata fields in order to compare the constants and methodological differences of certain stakeholders. At present, this table brings together and compares more than 280 fields of databases. Both charts are available online under Creative Commons BY-NC-SA, and will be updated repeatedly as the work progresses.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».