MétaCan
Menu
Back to cohort
Record W2464142640 · doi:10.7202/1036116ar

De l’ONF à Télé-Québec : le parcours de Pierre F. Brault, compositeur de musique de film et de télévision

2016· article· fr· W2464142640 on OpenAlexaffvenueabout
Alexis Perron-Brault

Bibliographic record

VenueLes Cahiers de la Société québécoise de recherche en musique · 2016
Typearticle
Languagefr
FieldSocial Sciences
TopicLiterature, Musicology, and Cultural Analysis
Canadian institutionsUniversité du Québec à Trois-Rivières
Fundersnot available
KeywordsArtHumanities

Abstract

fetched live from OpenAlex

Le compositeur québécois Pierre F. Brault (1939-2014), surtout connu pour la musique de la populaire série télévisée Passe-Partout, a principalement oeuvré dans les milieux télévisuels et cinématographiques. Il a composé 86 trames sonores, notamment pour les films Rouli-Roulant (Claude Jutra, 1966), Red (Gilles Carle, 1970), LeVent (Ron Tunis, 1972) ainsi que La faim (Peter Foldès, 1973). Au début de sa carrière, Brault a également mis en musique les textes des chansonniers Robert Charlebois, Clémence Desrochers et Claude Gauthier. Il a par la suite touché à l’enseignement de la musique (École nationale de théâtre, 1971-1975) et à la production d’albums (Tout l’monde est malheureux, 1975). Dans ses oeuvres, le compositeur a exploré plusieurs genres, dont le jazz, le rock psychédélique et la musique électroacoustique. Sa trajectoire met en évidence certaines réalités propres aux musiciens de l’image et les compromis auxquels ils doivent faire face. Malgré tout, Brault a pu bénéficier d’une diffusion à grande échelle propre au cinéma et à la télévision ainsi que de conditions salariales avantageuses. Dans cet article sont résumées, en grande partie à l’aide de sources inédites, les principales étapes de la vie professionnelle de Pierre F. Brault et est proposée une réflexion sur le rôle de la musique de film et de télévision dans sa carrière.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.966
Threshold uncertainty score0.299

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0120.004
Scholarly communication0.0040.002
Open science0.0010.001
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.0210.002

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 head0.041
GPT teacher head0.357
Teacher spread0.316 · 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 source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

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

Citations1
Published2016
Admission routes3
Has abstractyes

Explore more

Same venueLes Cahiers de la Société québécoise de recherche en musiqueSame topicLiterature, Musicology, and Cultural AnalysisFrench-language works237,207