Le geste sonore comme objet d’analyse pour observer les pratiques musicales distinctives d’improvisateurs jazz
Bibliographic record
Abstract
Outre le choix des notes, qui est prescrit par notre tradition commune, qu’est-ce qui distingue une ou un improvisateur jazz d’une ou un autre ? Qu’est-ce qui constitue leur « son », leur « signature » ? Les méthodes d’analyses plus traditionnelles n’étant pas suffisantes pour circonscrire l’entièreté de l’expression contenue dans l’improvisation jazz, nous devons nous tourner vers l’étude d’enregistrements de solos improvisés afin d’examiner l’aspect « performanciel » de la musique, c’est-à-dire les éléments liés à la production du son par l’instrumentiste. Cependant, l’oreille pouvant omettre certains éléments au profit d’autres, nous avons adapté un modèle d’analyse par spectrogramme utilisé pour l’analyse du chant en musique populaire. En combinant le visuel à l’auditif, ce modèle permet d’effectuer un inventaire plus exhaustif des « gestes sonores » contenus dans les improvisations, c’est-à-dire toutes manifestations sonores produites par des gestes instrumentaux effectués au sein d’un processus musical. À travers un projet de recherche-création, une méthode autoethnographique a permis de distinguer des gestes sonores dans mes propres improvisations et ainsi de les comparer avec celles du saxophoniste de réputation internationale Chris Potter. Les analyses distinguent cinq gestes sonores, subtils mais distinctifs, observés à partir des micro-variations de hauteurs lors de l’attaque ou le déclin de certaines notes, de l’utilisation particulière de sons multiphoniques, du vibrato, des jeux de dynamiques et de bruits de clés.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.004 |
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".