La Musicologie du cinéma : enjeux disciplinaires et problèmes méthodologiques
Bibliographic record
Abstract
Si la musique de cinéma a longtemps été délaissée sur le plan scientifique, en particulier dans la francophonie, la floraison d’analyses musicologiques spécialisées dans ce domaine depuis quelques décennies commence toutefois à combler cette lacune. Par un regard réflexif porté sur ce jeune champ disciplinaire qu’est la « musicologie du cinéma », il s’agira d’interroger la place de l’étude de la musique de film au sein des travaux en musicologie, afin de comprendre le désaveu dont elle a pu faire l’objet. Bien que des disparités perdurent entre les musicologies nord-américaine et française, nous montrerons que l’institutionnalisation progressive de l’étude de la musique de film et son rattachement assumé à la musicologie semblent en bon chemin. L’exposé des problématiques propres à l’étude de la musique de cinéma permettra de dégager non seulement les défis méthodologiques posé par un tel objet de recherche, mais aussi d’éclairer la manière dont elles rejoignent et réengagent nombre de réflexions animant la discipline musicologique elle-même.
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 | 0.048 | 0.083 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.004 | 0.029 |
| Scholarly communication | 0.021 | 0.014 |
| Open science | 0.004 | 0.006 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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.
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".