Bibliographic record
Abstract
Cette thèse porte sur la démarche derrière la composition d’oeuvres électroacoustiques et instrumentales durant mon doctorat en composition à la Faculté de musique de l’Université de Montréal. Il est d’abord question de l’importance de la prise de son comme technique d’écriture primordiale dans mon travail ; je développe à ce titre cinq points fondamentaux inhérents à la prise de son et autour desquels s’articule mon travail de compositeur. S’ensuit un survol technique de Gestugel, un outil de traitement sonore développé au cours de mon doctorat et qui m’a servi à générer une grande partie du matériau sonore prenant place dans les œuvres présentées. Les cinq paradigmes propres à la prise de son précédemment exposés sont ensuite rappelés et appliqués à l’étape du traitement audio permettant ainsi de développer le concept d’extension de la prise de son, philosophie du traitement audio analogue à l’approche de la prise de son traditionnelle et dont Gestugel est une application directe. Des exemples concrets sont fournis afin de bien différencier l’extension de la prise de son du traitement audionumérique conventionnel. Une dernière partie, plus esthétique, tente se circonscrire l’approche surnaturaliste du compositeur : l’utilisation des motifs récurrents, de gestes, de l’anecdotisme et de la sublimation (orchestration) du son acoustique vise une véritable peinture sonore, une musique figurative où l’oreille voit autant qu’elle entend.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.058 | 0.013 |
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".