Quelques propos sur les outils et les méthodes audionumériques en musicologie. L’interdisciplinarité comme rupture épistémologique
Bibliographic record
Abstract
Des premières utilisations de base de données dans les années 1970 aux travaux récents portant sur l’analyse de fichiers audio, les musicologues ont progressivement intégré l’usage des technologies numériques dans leurs méthodes de travail. Toutefois, si quelques logiciels comme iAnalyse proposent des interfaces adaptées aux sciences humaines, force est de constater que ces technologies restent encore difficiles à manipuler sans de solides bases en informatique ou en acoustique. Dans cet article, l’auteur présente une pratique interdisciplinaire de la recherche à la base de la musicologie numérique qui couvre un champ d’activités très vaste allant de l’usage de logiciels pour améliorer les méthodes existantes au développement de nouvelles méthodes indispensables à l’étude de certains corpus. Dans ce dernier cas, la modification profonde de la nature même de la pratique musicologique, le décentrement vers une discipline hybride et le changement de perspective sur un objet musical complexe mettent en évidence une véritable rupture épistémologique.
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 | 0.016 | 0.059 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.008 | 0.007 |
| Science and technology studies | 0.003 | 0.010 |
| Scholarly communication | 0.018 | 0.015 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.022 | 0.007 |
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".