Du langage cinématographique à la musique acousmatique : écritures et structures
Bibliographic record
Abstract
Est-ce qu'il est possible d'organiser le discours musical acousmatique de la même manière que le cinéma structure les images animées? Telle est la question qui résume l'essentiel de mon projet de recherche: Du langage cinématographique à la musique acousmatique : Écritures et structures. À la suite d’une étude exhaustive des procédés d'écriture nécessaires à la réalisation d'une œuvre cinématographique, j'ai cherché à établir des relations d'équivalence avec chacune des étapes relatives à l'élaboration d'une œuvre électroacoustique. De la captation des sons au cours du tournage sonore en passant par les étapes de classification, de traitement, de mixage, de montage jusqu'à la diffusion en salle de l'œuvre achevée, chaque étape du lexique visuel offre des arrimages concrets et structurellement pertinents à la conception d'une œuvre musicale. Cette typologie des techniques communes de réalisation entre ces deux médias débouche sur une pratique réaliste et concrète puis permet le renouvèlement d'une démarche compositionnelle par l'ajout d'outils techniques et conceptuels. Les résultats de cette recherche se sont matérialisés sous la forme de trois œuvres acousmatiques. Chacune d'elles, par le contexte de leur genèse, explorent des paramètres spécifiques de cette grammaire initialement visuelle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".