MétaCan
Menu
Retour à la cohorte
Enregistrement W4386588512 · doi:10.18357/tar141202321373

Rap and Realism

2023· article· en· W4386588512 sur OpenAlexaffvenue
Nadia Ekkel

Notice bibliographique

RevueThe Arbutus Review · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMusicology and Musical Analysis
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésAestheticsIdentity (music)RealismReputationSociologyDisadvantagedLegitimacyScholarshipArtPersonaPaintingMusicalVisual artsSocial sciencePolitical scienceLawPoliticsHumanities

Résumé

récupéré en direct d'OpenAlex

Over a century and a half since his passing, scholars remember Gustave Courbet (1819–1877) as a French painter who expanded the boundaries of art through his rejection of traditionally imposed artistic conventions and cultivation of a larger-than-life persona. As a master of self-promotion and image creation, Courbet’s unique self-positioning and performance of identity are frequently explored within contemporary scholarship. However, extant literature has yet to consider the similarities between Courbet’s performance of identity and that of influential contemporary rap artists. Looking to artistic themes employed by the painter and his self-presentation, I argue that Courbet tailored his identity performance so that audiences conflated his artistic output with his public image, both of which drew upon his rural background to suggest a disadvantaged socioeconomic status—a background lauded by his supporters as providing Courbet with the authenticity required for artistic legitimacy. Furthermore, I argue that contemporary rap artists perform their identity in much of the same manner. Like Courbet, contemporary rap artists continuously enact qualities associated with a low socioeconomic status and reference this social standing in their music to fuse their personal reputation and musical output, which affords these artists the authenticity required for success.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,038
Communication savante0,0110,008
Science ouverte0,0020,007
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,263
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Arbutus ReviewMême sujetMusicology and Musical AnalysisTravaux en français237 207