live coding: sound – gesture – algorithm
Notice bibliographique
Résumé
Text-based musical live coding (Collins et al, 2003) is approached from the notion of gesture as understood in embodied music cognition and sound-based composition such as to propose a framework for sound, movement and algorithms from a combined embodied-epistemic position. Live coding viewed as an extension of multi-scale studio based sound practices (Roads, 2015) for which human listening and machine listening (Collins, 2015; Van Nort, 2013) are the basis for intervention during the development process; yet positioned within the temporal framework of a performance. The programming language is an interface (Blackwell & Aaron, 2015) to a digital instrumental system that is understood as an epistemic tool (Magnusson,2009) that presumes the potential of various forms of machine agency (Brown, 2016 & 2016b; Bown, 2009) and software agents (Whalley, 2009). The necessary formalism(s) of this digital system sets up the conditions for which human compositional and improvisational actions are complimentary: whatever aspects of the code that are not being improvised in the moment are composed/designed, be it by the performer-programmer(s), or by someone or some software prior. The code that is executed is both descriptive and prescriptive as a score (Magnusson, 2011), while presenting itself for further updates . Bricolage programming describes interactive process of writing and executing code, hearing the output, conceptualizing the next move, and so on, as outlined in the process of action and reaction (McLean & Wiggins, 2010). This understanding of live coding presents a distinct approach to the archetypal notion of sound-producing gesture as grounded in embodied music cognition research and developed in sound-based composition.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,017 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».