MétaCan
Menu
Retour à la cohorte
Enregistrement W7155172204 · doi:10.7202/1124300ar

Binômes interartistiques. L’impact du théâtre et de la danse sur les méthodes de création musicale de Georges Aperghis et Thierry De Mey

2025· article· en· W7155172204 sur OpenAlexvenueno aff
Krystina Marcoux, Isabelle Héroux

Notice bibliographique

RevueRevue musicale OICRM · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLiterature, Musicology, and Cultural Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetanarrativeContext (archaeology)Identity (music)

Résumé

récupéré en direct d'OpenAlex

Peu d’études se sont penchées sur l’influence directe de la danse ou du théâtre sur les méthodes de création musicale des compositeurs collaborant étroitement avec ces milieux artistiques. Dans le cas de Georges Aperghis, les recherches se sont souvent limitées à son traitement de la voix ou du texte, tandis que celles portant sur Thierry De Mey se sont centrées sur ses réalisations pour le cinéma ou la danse. Or, leur relation respective avec Antoine Vitez et Anne Teresa De Keersmaeker, et l’impact de ce dialogue sur leurs processus créatifs, demeurent largement sous-étudiés. Pour combler cette lacune, cet article adopte une double approche documentaire et analytique, s’appuyant sur des entretiens, l’examen d’archives et la comparaison des spectacles Jojo (1990) et Simplexity (2016). Il en ressort que l’improvisation, la fragmentation, la mise en tension et le rôle actif des interprètes constituent des pratiques récurrentes, confirmées par l’étude d’autres oeuvres. En définitive, l’interdisciplinarité induite par ces collaborations renouvelle profondément la démarche compositionnelle d’Aperghis et de De Mey.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,590
Score d'incertitude au seuil0,946

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,025
Tête enseignante GPT0,356
Écart entre enseignants0,330 · 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 revueRevue musicale OICRMMême sujetLiterature, Musicology, and Cultural AnalysisTravaux en français237 207