Writing Sound Into the Wind. How Score Technologies Affect Our Musicking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this slightly updated text of his keynote speech at the Annual Congress 2019 of the GMTH, Sandeep Bhagwati discusses foundational concepts of current discourses on notation, such as notational perspective and comprovisation. He elaborates on the place of notation in an ongoing evolution that sees sound production gradually move away from human agency and its translation into the visual and unfolds the field for possible notation opened up by new sensory technologies. Will the introduction of such responsive and fluid score technologies once more change the very nature of what we call music? Finally, he imagines possible shifts in the ontology of musicking that may be occasioned by such ‘invisible’ notations and through non-human agency in musicking. In diesem leicht überarbeiteten Text seiner Keynote auf dem Jahreskongress 2019 der GMTH erörtert Sandeep Bhagwati grundlegende Konzepte des aktuellen Notationsdiskurses, wie z. B. notational perspective und comprovisation. Er erläutert den Platz von Notationsformen innerhalb einer laufenden Entwicklung, in der sich die Klangerzeugung allmählich vom menschlichen Handeln und seiner Übersetzung ins Visuelle entfernt, und entfaltet das Feld möglicher Notationen, das durch neue sensorische Technologien eröffnet wird. Wird die Einführung solcher reaktionsfähiger und fließender Notationstechnologien die Natur dessen, was wir Musik nennen, erneut verändern? Schließlich stellt er sich mögliche Verschiebungen in der Ontologie des Musizierens vor, die durch derartige ›unsichtbare‹ Notationen und durch nichtmenschliches Handeln im Bereich des Musizierens hervorgerufen werden könnten.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle