La musique québécoise est-elle compatible avec le streaming ? Usages et représentations de la musique francophone québécoise sur les plateformes de streaming au Québec
Bibliographic record
Abstract
Les plateformes de streaming musical ont inéluctablement transformé l’industrie musicale ainsi que les formes et les pratiques d’écoute des auditeurs. Ceci est des plus perceptible au Québec, notamment concernant la musique locale : alors que l’industrie musicale peine, de par sa structuration historique et politique, à relever les enjeux liés au streaming et aux dernières modalités technologiques de diffusion, les auditeurs, eux, se sont massivement tournés vers ces plateformes et semblent avoir profondément « numérimorphosé » leurs pratiques d’écoute en se détournant au demeurant de la musique francophone québécoise. Quels rapports entretiennent les Québécois envers le streaming et, entre autres, pourquoi la musique québécoise francophone, pourtant disponible sur ces plateformes, y semble de moins en moins écoutée ? À partir des résultats d’une enquête qualitative et exploratoire auprès d’auditeurs québécois (n=20), cet article sera l’occasion de proposer une analyse des rapports complexes et pour le moins ambigus qu’entretiennent les utilisateurs québécois avec les plateformes de streaming.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
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".