MétaCan
Menu
Retour à la cohorte
Enregistrement W4393943073 · doi:10.1017/rrc.2023.5

Caitlin Vincent, <i>Digital Scenography in the Twenty-First Century</i> , Ashgate Interdisciplinary Studies in Opera - Caitlin Vincent, <i>Digital Scenography in the Twenty-First Century</i> , Ashgate Interdisciplinary Studies in Opera Abingdon: Routledge, 2022. 212 pp. ISBN 9780367553920 (hard cover). DOI: 10.4324/9781003093305 (ebook)

2023· article· en· W4393943073 sur OpenAlexaffabout
Natalie Rewa

Notice bibliographique

RevueRoyal Musical Association Research Chronicle · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiverse Musicological Studies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésOperaScenographyArtArt historyVisual artsHumanities

Résumé

récupéré en direct d'OpenAlex

It is June 2022 and the premiere of R.U.R. Torrent of Light , a multimedia opera, in Toronto is enthralling audiences. Inspired by Karel Čapek’s play that introduced the word ‘robot’ into 20th-century vocabulary, composer Nicole Lizée and librettist and playwright Nicholas Billon have conceived a science-fiction opera for our current fascination with AI (artificial intelligence). The production by Toronto’s Tapestry Opera Theatre is in partnership with the research and creation of new technologies at the Social Body Lab and the Digital Futures Initiatives at Ontario College of Art & Design University. It has been conceived to embed technologies into the scenographic dramaturgy as projections, wearable art and spatialisation of sound and light through the costuming and neologisms in instrumentation to create a ‘unique electronica-classical sound’ of the neo-futurist worlding. After the hiatus of the last two years, this live performance highlights our growing recognition of scenographic vocabularies of programmable performance affecting behaviours, as well as expanded definitions of sound and digital integration as contemporary opera. Such interdisciplinarity has often brought the spectator into fresh relationships with opera in performance, thereby activating the event of spectatorship.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,224

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,005
Communication savante0,0060,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0480,009

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 Opus0,108
Tête enseignante GPT0,346
Écart entre enseignants0,238 · 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
GenreSynthèse

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 revueRoyal Musical Association Research ChronicleMême sujetDiverse Musicological StudiesTravaux en français237 207