MétaCan
Menu
Retour à la cohorte
Enregistrement W628488253 · doi:10.71781/4366

L’influence réciproque qu’exerce la pratique conjointe de la composition de musique à l’image et de la composition de musique de concert sur le développement de mon langage musical

2013· dissertation· fr· W628488253 sur OpenAlexaboutno aff
Vincent Laurin-Pratte

Notice bibliographique

RevueOpen MIND · 2013
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtComposition (language)

Résumé

récupéré en direct d'OpenAlex

Ce mémoire atteste du résultat de mes deux années d’étude en composition à l’Université de Montréal. J’ai cherché à développé un langage musical personnel, bien qu’ancré dans la tradition et plus particulièrement dans l’héritable harmonique tonal, basé sur une utilisation plus ou moins libre d’accords par tierces superposées –bien que j’emprunte parfois d’autres langages harmoniques. De plus, j’ai voulu concilier la pratique de la composition dans les domaines de la musique de concert et de la musique de film, en démontrant comment ma démarche de créateur présente de nombreuses constantes indépendamment du champ dans lequel j’évolue. Celles-ci sont principalement de l’ordre de l’organisation musicale et de la structure formelle ainsi que, dans une moindre mesure, de détails harmoniques et contrapuntiques. Par exemple, j’aborde et je traite le leitmotiv (élément musical caractérisant un personnage, un lieu ou un sentiment en musique de film) de la même façon que j’ai recours extensivement aux motifs (unité minimale de signification musicale) dans ma musique de concert. La démonstration se fait à travers l’analyse et la critique d’extraits puisés à travers neuf œuvres de mon répertoire de concert et de musique à l’image.

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)0,014
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
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 enseignants0,265
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,382
Écart entre enseignants0,353 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetFrench Language Learning MethodsTravaux en français237 207