MétaCan
Menu
Retour à la cohorte
Enregistrement W7117563179 · doi:10.1484/j.jaf.5.152941

Salzinnes and Digital Tools

2025· article· en· W7117563179 sur OpenAlexaboutno aff
Jennifer Bain, Elsa De Luca, Geneviève Gates-Panneton, Dylan Hillerbrand

Notice bibliographique

RevueJournal of the Alamire Foundation · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiverse Musicological Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKey (lock)Process (computing)Digital audioDigital humanitiesBase (topology)Digital library

Résumé

récupéré en direct d'OpenAlex

Abstract This paper discusses the digital resources that have emerged from work with the Salzinnes antiphoner and incorporates several different perspectives. Jennifer Bain provides a history of the collaboration with Ichiro Fujinaga’s Distributed Digital Music Archives and Libraries (DDMAL) Lab and how the Salzinnes Antiphonal became so integral for research there. Elsa De Luca, who has been a key member in the development of the neume module for the Music Encoding Initiative (MEI), addresses challenges associated with adapting the MEI principles to earlier, complex chant notations. Geneviève Gates-Panneton and Dylan Hillerbrand discuss how the Salzinnes Antiphonal was used as a base manuscript for tools recently developed at the McGill DDMAL Lab for Optical Music Recognition of chant manuscripts and for the facilitation of the process of editing computer-generated data. These musicologist-friendly tools are designed for the online correction and emendation of computer-generated data created automatically from digital scans of manuscripts.

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)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,711

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,065
Tête enseignante GPT0,235
Écart entre enseignants0,170 · 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
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Alamire FoundationMême sujetDiverse Musicological StudiesTravaux en français237 207