MétaCan
Menu
Retour à la cohorte
Enregistrement W4408518375 · doi:10.37213/cjal.2024.34535

Singing Synthesizers: Musical Language Revitalization through UTAUloid

2024· article· en· W4408518375 sur OpenAlexvenueno aff
Morgan Sleeper

Notice bibliographique

RevueCanadian Journal of Applied Linguistics · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic and Audio Processing
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of OxfordMacalester College
Mots-clésSingingMusicalLinguisticsArtVisual artsAcousticsPhysicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Music plays many important roles in language revitalization, from attracting learners and fostering speech communities to supporting language learning. These effects, however, are largely independent from the skills which linguists bring to language revitalization. This study introduces one concrete way in which applied linguistics can directly support musical language revitalization with UTAUloids – speech-and-music software synthesizers – illustrated through the creation of a Cherokee UTAUloid as part of ancestral language reclamation by a learner-linguist Cherokee Nation citizen. Through their focus on “massive collaboration,” low-resource music production, and youth involvement, UTAUloids are uniquely situated to serve as instruments for language revitalization. Even the act of creating an UTAUloid itself allows speakers and learners who may not consider themselves “musical” to contribute to musical language revitalization, and this study provides a step-by-step methodology to make creating an UTAUloid as accessible as possible for anyone interested in incorporating music into their own language revitalization practice.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,568

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
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 Opus0,013
Tête enseignante GPT0,244
Écart entre enseignants0,232 · 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'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Applied LinguisticsMême sujetMusic and Audio ProcessingTravaux en français237 207