MétaCan
Menu
Retour à la cohorte
Enregistrement W4391104891 · doi:10.17501/23572744.2023.10102

eTu{d,b}e: DEVELOPING AND PERFORMING SPATIALIZATION MODELS FOR IMPROVISING MUSICAL AGENTS

2024· article· en· W4391104891 sur OpenAlexafffund
Kasey Pocius, Thomas A. Davis, Vincent Cusson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensMcGill UniversityCentre for Interdisciplinary Research in Music Media and Technology
Organismes subventionnairesSimon Fraser UniversitySocial Sciences and Humanities Research Council of CanadaCanada Council for the ArtsNatural Sciences and Engineering Research Council of CanadaCentre for Interdisciplinary Research in Music Media and TechnologyMcGill University
Mots-clésSpatializationImprovisationComputer scienceMusicalMultimediaArtVisual arts

Résumé

récupéré en direct d'OpenAlex

The eTube is a simple acoustic instrument outfitted with a microphone and a two-button controller which we program to facilitate interaction between an improviser and improvising musical agents.Through an iterative research-creation process, we develop and perform various etudes with the eTube and musical agents, generating new knowledge through musical creation.Through this process, we have developed two interactive spatialization systems for the eTube.We begin by describing the eTu{d,b}e framework which refers to the eTube instrument and a series of improvised etudes based on human-computer musical interactions.An overview of the instrument is presented, as well as the existing systems as they were when Pocius began the spatialization portion of this project.Secondly, we outline two interactive spatialization systems designed for improvised performance with the eTube and musical agents.An overview of the updates made to the eTu{d,b}e framework is presented, followed by a description of the two spatialization systems.Finally, six different performances are presented as case studies to emphasize the advancements and challenges of the project as new approaches are developed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,239

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,285
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMusic Technology and Sound StudiesTravaux en français237 207