MétaCan
Menu
Back to cohort
Record W2302233459 · doi:10.4000/itineraires.2765

Les performances d’improvisation de Tanya Tagaq : une analyse descriptive de la culture ethno-pop

2015· article· fr· W2302233459 on OpenAlexaffabout
Sophie Stévance

Bibliographic record

VenueItinéraires · 2015
Typearticle
Languagefr
FieldArts and Humanities
TopicMusic History and Culture
Canadian institutionsMusée de la Civilisation
Fundersnot available
KeywordsHumanitiesArt

Abstract

fetched live from OpenAlex

La chanteuse inuit Tanya Tagaq, qui pratique une forme de chant de gorge (katajjaq) dans un contexte de musique pop-électronique, nous semble particulièrement représentative de toute une génération d’artistes autochtones. Comme Tagaq, des artistes comme Lucie Idlout, Elisapie Isaac ou Celina Kalluk, dépassent volontiers leur aire culturelle pour se nourrir d’influences diverses afin d’intégrer leurs créations à la production artistique transnationale. Quels aspects spécifiques de la pratique artistique de Tagaq relèvent, d’une part, d’une pratique plus traditionnelle et, d’autre part, d’une pratique contemporaine ? Comment ce dialogue se manifeste-t-il dans les prestations scéniques de la chanteuse ? Pour mieux comprendre le comportement esthétique de Tagaq, nous tiendrons tout d’abord compte de la manière dont elle construit ses improvisations sur la base du katajjaq traditionnel et de codes culturels et musicaux occidentaux. Une fois observés, ces éléments nous parlent de la construction identitaire de la jeune génération autochtone, dont la création multidisciplinaire et transnationale nourrit et reflète ce mouvement volontaire, non pas d’une quête, mais d’une conquête d’un nouvel équilibre culturel. L’ethno-pop nous permet de rendre compte de ce dialogue constant entre deux pôles d’attraction caractéristiques du profil cosmopolite de Tagaq, soit ses origines inuites et son intégration sur la scène contemporaine transnationale.

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)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.553
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0020.000

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 head0.054
GPT teacher head0.282
Teacher spread0.228 · 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 designNot applicable
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

Citations4
Published2015
Admission routes2
Has abstractyes

Explore more

Same venueItinérairesSame topicMusic History and CultureFrench-language works237,207