L’art perdu de « faire des chansons » : la chanson de composition locale dans la région du Détroit
Bibliographic record
Abstract
L’ethnologue Marcel Bénéteau s’intéresse à la chanson de composition locale, un secteur négligé dans le domaine de la chanson folklorique. Le plus souvent créées par des non-professionnels sur des airs connus, les chansons de ce type ont longtemps été considérées par les experts comme étant de facture maladroite, de contenu douteux et de valeur insignifiante comparées aux pièces importées de la France à l’époque coloniale. Conséquemment, les grands folkloristes du Canada français les ont peu recueillies. Pourtant, la facture de telles chansons, qui commémorent des événements locaux, qui mettent en valeur des incidents de la petite histoire et qui commentent les conditions sociales dans les communautés en question, est au coeur même de la démarche folklorique. « Faire des chansons » est une pratique qui engage les gens dans un dialogue avec la tradition et les amène à situer leur vécu dans le contexte plus large d’un procédé transmis d’une génération à l’autre. À partir d’un corpus de chansons locales composées dans la région de Windsor, l’auteur analyse les modalités de cet art de « faire des chansons », depuis l’appropriation et l’adaptation de chants existants jusqu’à la création de nouvelles chansons. De plus, il s’intéresse à la fonction sociale des chansons locales ainsi qu’à leur apport aux études ethnologiques, linguistiques et historiques.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.015 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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.
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".