MétaCan
Menu
Back to cohort
Record W2208091722 · doi:10.3917/musur.151.0027

Les relations entre technologie et créativité dans l’analyse des musiques électroacoustiques : une étude comparative de Riverrun de Barry Truax et Imago de Trevor Wishart

2015· article· fr· W2208091722 on OpenAlexaff
Michael Clarke, Frédéric Dufeu, Peter Manning

Bibliographic record

VenueMusurgia · 2015
Typearticle
Languagefr
FieldComputer Science
TopicMusic Technology and Sound Studies
Canadian institutionsUniversité de Montréal
FundersDurham UniversityArts and Humanities Research CouncilUniversity of Huddersfield
KeywordsHumanitiesArt

Abstract

fetched live from OpenAlex

Le projet TaCEM ( Technology and Creativity in Electroacoustic Music ), conduit par les trois auteurs de cet article et financé par l’AHRC ( Arts and Humanities Research Council ) du Royaume-Uni pour une période de 30 mois (2012-2015), explore les relations entre pratiques compositionnelles contemporaines et nouvelles ressources technologiques à partir de huit études de cas du répertoire électroacoustique. Les auteurs présentent une étude comparative de deux de ces cas : Riverrun (1986/2004) de Barry Truax et Imago (2002) de Trevor Wishart. Si les deux compositeurs sont profondément impliqués dans le développement d’outils numériques de création musicale, leurs esthétiques, méthodes compositionnelles et productions artistiques contrastent fortement. Riverrun a été composée avec un logiciel de synthèse granulaire fonctionnant en temps réel, permettant la génération d’amples textures et processus ; Imago est l’assemblage de plus d’un millier de fichiers sons, créés avec un logiciel temps différé incluant de nombreux traitements différents pour le son enregistré. Les deux œuvres ont un point commun : l’emploi d’un très bref fragment de son comme source primaire de la composition. Mais les objectifs compositionnels de Truax et de Wishart ont conduit à deux œuvres développant ces sources selon les cheminements créatifs et technologiques très différenciés détaillés à travers cet article.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.398
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0010.002
Scholarly communication0.0000.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.106
GPT teacher head0.343
Teacher spread0.236 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2015
Admission routes1
Has abstractyes

Explore more

Same venueMusurgiaSame topicMusic Technology and Sound StudiesFrench-language works237,207