MétaCan
Menu
Retour à la cohorte
Enregistrement W6945450160 · doi:10.25439/rmt.27348558

Audiokinetic jukebox (Faster ride in a faster machine)

2024· other· en· W6945450160 sur OpenAlexaboutno aff

Notice bibliographique

RevueRMIT Research Repository (RMIT University Library) · 2024
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDanceContext (archaeology)InstinctSubject (documents)Performance artElectronic dance music

Résumé

récupéré en direct d'OpenAlex

BACKGROUND. In the original dance production (not previously reported for ERA), I collaborated with choreographer Garry Stewart, Canadian roboticist Louis-Philippe Demers, UK video artist Gina Czarnecki and London based costume designer Georg Meyer-Wiel to create a startling and unique world. Situating humans in communion with 30 robotic machines and prosthetics, Devolution explored the relationship between robotic and human performers within an artificial ecosystem. Imbued with ritualised process Devolution explored mutualism, territoriality, parasitism, predation, symbiosis and senescence to suggest that in the midst of technology we remain subject to the instincts of the flesh. SIGNIFICANCE: Ruby award winner for innovation, Helpman award for Best new work.Most popular Australian Dance Theatre show. Sellout Adelaide Festival & Sydney Festival seasons. CONTRIBUTION. Melbourne Now provided an opportunity to recontextualise a fromerly multisensory context for composition into an audio only experience. By removing the extrinsic logic (dance, robots, light) which peviously informed the composition the music inhabits a stranger, more seductive, yet confronting world. This installation allowed me to build on research I was undertaking in the Audokinetic experiments lab - namely, How is sound experienced as part of a knot of a multimodal event, and how might it be perceived when the structures which had previously given it context and logic are removed? Results saw the decontextualised experience become richer (through imagination) whilst stranger (in the absence of extrinsic logic).

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: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,260
Score d'incertitude au seuil0,869

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,2600,065

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 Opus0,026
Tête enseignante GPT0,263
Écart entre enseignants0,237 · 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
GenreAutre

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 revueRMIT Research Repository (RMIT University Library)Travaux en français237 207