Musicalité, voix et partage : le rôle de la musique autochtone dans quatre courts-métrages du Wapikoni mobile
Bibliographic record
Abstract
Depuis un peu plus de vingt ans, le Wapikoni mobile donne aux jeunes Autochtones vivant dans les communautés des Premières Nations du Québec (et au-delà) la possibilité d’exprimer leurs valeurs, leurs cultures, leurs réalisations et leurs luttes quotidiennes à l’aide d’outils numériques. En examinant quatre courts-métrages tirés de leurs archives, cette étude montre que les instruments modernes et traditionnels ne sont pas seulement utilisés à des fins de performance et de création. Ces créations audiovisuelles décrivent également un processus de découverte de soi par le biais de la musique et de ses outils de diffusion. En remixant, en arrangeant des instruments traditionnels (comme le tambour) avec des instruments modernes (comme la guitare électrique), en incorporant des sons quotidiens comme percussions et en mettant l’accent sur la voix, certains jeunes créateurs du Wapikoni Mobile s’engagent dans un processus d’autodéfinition et créent un appel à se connecter avec d’autres peuples autochtones. Cet article présente une analyse approfondie de quatre de ces œuvres, en s’appuyant sur les travaux d’universitaires autochtones tels que Dylan Robinson (Stó:lō/Skwah) et Shawn Wilson (Opaskwayak Cree), ainsi que de musicologues tels que Holger Schulze et Tia DeNora.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.009 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".