MétaCan
Menu
Retour à la cohorte
Enregistrement W4391665361

Coordinating Analyses of Tuning with Analyses of Pieces

2016· article· en· W4391665361 sur OpenAlexaff
Jay Rahn

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Analyses of tunings have often been carried out independently of pieces in which they are actually realized. Whereas tunings are prima facie relevant to pieces in which they occur, to what extent is this so? And does such a relationship hold in both directions? That is, are analyses of pieces relevant to analyses of their tunings? Both sorts of analysis involve methodological problems and, at least in principle, both sorts of analysis should mesh. Germane to the present discussion are instances of such analytical problems that arise in Central Javanese pélog tunings and in ‘skeletal melodies’ (balungans) of multi-section pieces (gendhings) that employ these tunings. The present account identifies such problems and proposes solutions that attempt to coordinate both sorts of analysis. With regard to tuning per se, relationships among acoustical spectra, pitch determinacy, interval categorization, and ‘errant tones’ are considered. Concerning individual pieces, both jointly and severally, longstanding notions about ‘exchange,’ ‘alternate,’ or ‘substitute’ tones (sorogan), modal identity (pathet), and cadential (gong) tones are addressed. Linking both kinds of analysis—and shared by both—is an amplified formulation of Wertheimer’s Gestalt Grouping Principle of Similarity. Introduced from post-tonal analysis of European-derived music are concepts of common tones, ‘well-formed’ (WF) scales, and interval vectors.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,259
Tête enseignante GPT0,526
Écart entre enseignants0,268 · 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.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetManufacturing Process and OptimizationTravaux en français237 207