Bibliographic record
Abstract
Cette contribution est écrite à partir d’entretiens, d’observations ou d’expériences réalisés en équipe ces dernières années auprès d’amateurs ayant des attachements de nature et d’intensité diverses à la musique. Il s’agit de se mettre à l’écoute de leur écoute, en essayant le plus possible de laisser leur espace propre aux formes très variées qu’elle peut prendre. Loin d’être inférieures, incompétentes, passives ou obsédées par le seul plaisir immédiat du son ou de l’image facile, les oreilles des amateurs sont actives, créatives. Elles jouent avec les nouveaux moyens de la musique, la disponibilité démultipliée d’un répertoire, la manipulation instantanée de musiques diverses. Elles travaillent les positions de l’écoute, à commencer par la disposition physique de soi. Elles débouchent souvent sur un art de faire très personnel, inventant de véritables façons de se mettre en musique. Mettre l’accent sur l’écoute, c’est donc réintroduire l’hétérogénéité irréductible d’un réel-événement, fait de plis et de tissages. Non pas une oeuvre et un auditeur : des corps, des dispositifs et des dispositions, de la durée, un objet insaisissable, un instant qui passe, des états qui surgissent. Après tout, hors des laboratoires et des écoles, qu’est d’autre la musique?
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.012 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 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".