Claude Chastagner, Des barrios aux bayous. Musique populaire et identités aux États-Unis
Bibliographic record
Abstract
Dans un cycle de conférences données à Harvard entre 2011 et 2014, le trompettiste Wynton Marsalis affirmait que « le blues, la folk, le gospel, la chanson populaire américaine, le hillbilly, le bluegrass, la country et le jazz sont les racines stylistiques de notre musique nationale »1. Si l’affirmation semble aller de soi, elle pose toutefois question : existe-t-il une véritable « musique nationale » états-unienne ? Le dernier livre de Claude Chastagner, qui s’inscrit directement dans cette problématique, apporte une importante pierre à l’édifice. L’auteur met sur le devant de la scène les musiques états-uniennes dites « ethniques », moins familières au lecteur européen que le jazz, le blues, la country, la soul, le funk ou le hip-hop : le rock chicano, la pop tejano et les narcocorridos des Mexicains-Américains, le bhangra de la communauté indo-pakistanaise, le zydeco et le cajun des Créoles et des Cadiens du sud-ouest de la Louisiane et enfin la polka liée à l’immigration slave, germanique et scandinave. D’une part, le but de l’ouvrage est de montrer à quel point « la multiplicité des musiques ethniques jure avec l’image monolithique que projette la musique populaire nord-américaine » (p. 15) et d’autre part, de comprendre les raisons qui favorisent le succès d’un genre musical : comment expliquer la tension entre l’apparent localisme des musiques ethniques et « leur propagation contagieuse au-delà de leur communauté d’origine » (p. 21) ?
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.008 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 0.003 |
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".