MétaCan
Menu
Retour à la cohorte
Enregistrement W4405176338 · doi:10.4000/12vkc

Du studio à la « scène ». Les lieux du beatmaking à Dakar

2024· article· fr· W4405176338 sur OpenAlexaff
Maël Péneau

Notice bibliographique

RevueVolume ! · 2024
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueCultural Identity and Heritage
Établissements canadiensMusée de la Civilisation
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtStudioPolitical scienceVisual arts

Résumé

récupéré en direct d'OpenAlex

Les studios où est produite et enregistrée la musique hip-hop sénégalaise se distinguent les uns des autres selon des critères qui tiennent autant aux équipements utilisés qu’aux configurations spatiales et géographiques. En fonction de leur localisation, des parcours de leurs propriétaires, de leurs utilisateurs, mais aussi de leurs usages, ces studios entretiennent en effet des liens spécifiques avec leur environnement social, culturel, et urbain. À Dakar, des studios sont installés dans une chambre, elle-même située dans un appartement familial ; d’autres occupent un appartement individuel entièrement consacré à la production sonore et à l’enregistrement. Certains lieux réunissent plusieurs studios, des bureaux, et des salles de réunion. Bien que partageant la même dénomination, ces lieux recouvrent des réalités sociales et créatives différentes. En s’appuyant sur les données recueillies lors d’un terrain de recherche ethnographique réalisé entre 2019 et 2020 à Dakar auprès d’une quinzaine de beatmakers et d’ingénieurs du son sénégalais dans le cadre de ma thèse, cet article analyse la façon dont ces lieux s’inscrivent à la fois dans les circuits de création et de diffusion de la musique (à l’échelle locale comme à l’échelle globale), et aussi dans la vie sociale des quartiers où ils sont implantés, en interrogeant les pratiques musicales qui y ont lieu au prisme des relations qu’ils entretiennent avec leur environnement social et urbain.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,223

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0100,006
Communication savante0,0070,004
Science ouverte0,0010,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0670,008

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 Opus0,032
Tête enseignante GPT0,242
Écart entre enseignants0,210 · 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'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume !Même sujetCultural Identity and HeritageTravaux en français237 207