MétaCan
Menu
← Back to cohort
Record W4300016581

Justification automatique de partitions

2021· preprint· fr· W4300016581 on OpenAlexaff
Nabil Bouzaiene, Catherine Guastavino, Emmanuel Saint-James

Bibliographic record

VenueOskar-Bordeaux (Universite de Bordeaux) · 2021
Typepreprint
Languagefr
FieldMathematics
TopicAdvanced Mathematical Identities
Canadian institutionsMcGill UniversityCentre for Interdisciplinary Research in Music Media and Technology
Fundersnot available
KeywordsComputer science
DOInot available

Abstract

fetched live from OpenAlex

IntroductionMalgré leurs progrès, les logiciels d'édition de partitions musicales sacrient encore soit l'ergonomie de l'entrée, soit la qualité de la sortie.C'est particulièrement vrai pour les partitions à plusieurs portées par système, qui posent le problème de la justication des signes, autrement dit leur répartition sur la portée de sorte que des événements sonores simultanés soient alignés verticalement, quelle que soit la taille des signes.Ce travail était le métier du graveur de partition qui utilisait des poinçons et des plaques de cuivre.L'informatique le concurrence aujourd'hui, à la fois en fournissant un support moins cher et plus pratique, accessible au néophyte, mais aussi en proposant des programmes de justication automatique qui prétendent remplacer un savoir-faire multi-séculaire.Le présent article propose, dans une première section, une formalisation de ce savoir-faire des graveurs, après une enquête menée auprès d'eux.Dans une deuxième section, nous proposons un algorithme de justication totalement automatique, susamment performant pour opérer interactivement en cours de saisie sous un éditeur téléchargé par un navigateur.2 Des règles de gravure empiriques et lacunaires L'unité de mesure en gravure musicale est la dent, nom provenant de la fourchette qui servait à graver les portées [3℄.La largeur d'un caractère se compte alors ainsi : 1,1 dent pour une noire, 0,8 pour le dièse, 0,77 pour le bémol et 0,74 pour le bécarre.La dent en typographie musicale est l'équivalent du corps pour le texte alphabétique.Le corps dénit l'épaisseur nécessaire pour supporter toute la lettre, hampe et jambage compris [8℄.Or en musique, il n'y a pas de jambage et la hampe est un artice de lisibilité sans signication (à part la distinction blanche/ronde, mais la variation de têtes de note, comme dans la musique médiévale, lèverait l'ambiguité): elle pourrait disparaître, les fouets de croches se collant à la tête.En outre, la hampe, de par sa taille variable, n'est pas un caractère.

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 imitation

Not 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.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.006
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Methods · Consensus signal: none
Teacher disagreement score0.014
Threshold uncertainty score0.064

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0030.006
Meta-epidemiology (narrow)0.0020.001
Meta-epidemiology (broad)0.0020.003
Bibliometrics0.0040.003
Science and technology studies0.0030.006
Scholarly communication0.0070.006
Open science0.0010.003
Research integrity0.0030.010
Insufficient payload (model declined to judge)0.0140.002

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.

Opus teacher head0.029
GPT teacher head0.310
Teacher spread0.281 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreMethods

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".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venueOskar-Bordeaux (Universite de Bordeaux)→Same topicAdvanced Mathematical Identities→French-language works237,207→