Bibliographic record
Abstract
Dans son Essai sur l’éducation des aveugles (1786), Valentin Haüy fait la démonstration du progrès apporté aux personnes aveugles par la réalisation de partitions imprimées en relief. En effet, la possibilité de prendre connaissance d’un texte musical sans avoir recours à la dictée d’un tiers pour le mémoriser constitue une étape importante vers l’autonomie des musiciens aveugles et vers l’essor de leur créativité. Cependant, il ne s’agit encore à cette époque que des prémices d’une notation musicale spécifique, et le chemin sera encore long avant de leur permettre de lire et écrire la musique par eux-mêmes de manière totalement probante. Plusieurs systèmes différents de notations seront expérimentés à Paris à partir de la fin du XVIIIe siècle (aux Quinze-Vingts et à l’Institution Royale des Jeunes Aveugles), avec des fortunes diverses, avant que Louis Braille ne propose une véritable solution révolutionnaire dans la seconde édition de son Procédé pour écrire les paroles, la musique et le plain-chant en 1837. Cette étude propose de montrer les différentes étapes de cette évolution, en évoquant plusieurs figures de musiciens aveugles qui ont pris une part active dans l’élaboration de ces processus créatifs et innovants, transformant ainsi radicalement le rapport entre la cécité et la pratique de la musique.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 0.008 |
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".