L’Écomimétisme ou les reflets des manifestations sonores de l’environnement
Bibliographic record
Abstract
Le compositeur Charles-Antoine Fréchette présente les enjeux reliés à sa méthode de composition dite écomimétique. Avec cette méthode, il est question d’analyser des prélèvements sonores de l’environnement au sonagramme pour en tirer des contenus fréquentiels, dynamiques et rythmiques. Ces données récoltées et classées à travers des axes typologiques multiples, différenciés et superposés, concourent à l’élaboration de processus formels qui permettent de relier progressivement les composantes des matériaux entre eux. Ainsi, toutes les structures et les procédés structurels découlent de la manipulation des informations provenant des sources environnementales. Cette approche rigoureuse distingue l’écomimétisme des naturalismes traditionnels anecdotiques. Les résultats des analyses permettent aussi d’explorer les instruments afin de découvrir des techniques instrumentales mimétiques pour révéler métaphoriquement des sons de l’environnement. L’idée de la métamorphose se retrouve donc dans le transfert des sources sonores aux instruments, et dans la transformation progressive des matériaux, continuellement déduits les uns des autres. Formellement, il s’agit d’envisager des situations musicales immersives comme des territoires plus ou moins concrets, virtuels ou abstraits.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.005 |
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".