Bibliographic record
Abstract
Nous considérons ici les visées didactiques et certains aspects structurels de la théorie de Heinrich Schenker dans la perspective de l’apprentissage de l’analyse musicale en milieu universitaire de tradition musicologique française. Dans un premier temps, nous posons la question de la pertinence de l’enseignement de l’analyse schenkérienne. Nous mettons en évidence les aspects de la théorie qui la distinguent des théories tonales antérieures et qui représentent des acquis substantiels pour l’étude de la tonalité. Puis, nous évaluons les difficultés inhérentes à la diffusion des idées de Schenker dans les milieux pédagogiques, soit la complexité de son œuvre, l’absence d’un traité d’harmonie à teneur schenkérienne en langue française et l’exploration des niveaux de structure intermédiaire (Mittelgrund). Par la suite, nous définissons les étapes préalables à l’apprentissage des techniques schenkériennes, notamment l’étude des espèces fuxiennes et de l’harmonie, cette dernière enseignée dans une perspective linéaire. Enfin, nous analysons l’Invention 12 en la majeur, BWV 783, de Johann Sebastian Bach. L’analyse met en évidence la relation entre les principes contrapuntiques présentés dans les étapes préalables et les différents niveaux de structure de l’œuvre. Un graphe schenkérien illustre l’interdépendance des niveaux de structure.
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 | 0.011 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.021 | 0.006 |
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".