Scenophony: An undisciplinary approach to the design of immersive sound storytelling
Notice bibliographique
Résumé
Based on established artistic practices focusing on spatial audio in the context of immersive sound experiences, we bring forth and discuss the concept of scenophony – following Gilles Malatray’s description of the word ‘scénophonie’. Derived from the term scenography, scenophony refers to the practice of the (scenic) space, primarily considering its acoustic situation (phonic) as perceived by the audience. Scenophony is the design and realization of the sound space as a whole: a perception-led creative practice at the intersection of sound design, audio art, musical composition, acoustics, psychoacoustics, audio engineering, and user experience design. The main object of this article is to define the role of scenophony and its involvement in the creation and overall reception of a sonic experience within or as a scenic space, as well as its potential applications and benefits in the context of immersive storytelling. Moreover, we propose a paradigm shift from the common representations used in most current sound spatialization tools, generally assuming a single, ideal, egocentric, sweet-spot-oriented approach – mostly aimed at VR/AR/MR applications – as evidenced by both the graphical (UI) representation of Euclidean space as well as the preferred, often single, audio spatialization technique proposed. The hypothesis is that such egocentric graphical representations of some sound spatialization tools may limit how sound and music are diffused, as well as affect how sonic scenes are designed and listened to. In contrast to such representations, especially in the context of collective and heterogeneous sound experiences, we propose that an allocentric approach to spatial sound design, grounded in the concept of scenophony, offers new ways to create stories through immersive sound.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,009 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».