Bibliographic record
Abstract
Sous l’impulsion du Canadien R. Murray Schafer et du World Soundscape Project basé à Vancouver, l’éclosion de la composition de paysage sonore au début des années 1970 a clairement annoncé qu’un vent nouveau soufflait sur les différentes façons d’utiliser le son enregistré. Les premiers compositeurs qui se servaient de sons bruts pour leurs créations l’avaient fait en se donnant pour la plupart beaucoup de peine pour camoufler leurs sources. La création de paysage sonore mettait quant à elle l’accent sur la qualité représentative du son enregistré et ses praticiens sont partis du principe que leurs enregistrements établissaient des liens essentiels, indiciels, avec les lieux qu’ils captaient et s’appropriaient. Si la forme qu’ils empruntent est clairement d’ordre esthétique, elle est aussi l’héritière d’une longue tradition dans laquelle les techniques de représentation organisent le monde par le biais de la juxtaposition et de la comparaison. Les paysagistes sonores ont systématiquement archivé les sons prélevés dans des lieux déterminés en les présentant dans leurs travaux comme des quantités distinctes et comparables. De même, la « vue », apparue aux débuts de la photographie, s’est réclamée d’un régime de représentation tourné vers la science qui tentait de classifier le monde tout en l’esthétisant. C’est précisément ce double appel à la puissance esthétique et à la rationalité scientifique qui a permis à la composition de paysage sonore de s’affirmer à la fois comme forme de production artistique et comme instrument d’éducation et d’activisme environnemental.
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 | 0.006 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.006 | 0.019 |
| Scholarly communication | 0.019 | 0.009 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".