Bibliographic record
Abstract
En ce 21 mars 2022, des dizaines de milliers de Kurdes font tanguer le grand parc de Diyarbakir. La capitale historique, symbolique et culturelle de la nation kurde fête Newroz, son nouvel an. Sur la scène apparaît une jeune femme blonde, vielle à roue en bandoulière. Elle s’appelle Éléonore Fourniau, vient des rives de la Garonne, et les paroles de son chant kurde se répercutent en chœur au gré des mouvements de la foule. Qui est cette jeune française adoubée par le public kurde ? Et par quel enchantement parvient-elle, deux ans plus tard, à mettre en liesse, avec le même répertoire kurde, les festivaliers des Suds à Arles venus écouter Tiken Jah Fakoly au Théâtre Antique ?Le parcours d’Éléonore Fourniau – à laquelle le jury du Prix des Musiques d’Ici 2024 a accordé un prix spécial pour souligner son « désir d’ouverture vers des artistes de France qui se sont imprégnés de façon remarquable de répertoires qui viennent d’ailleurs » – apparaît pour le moins atypique dans le petit univers des musiques traditionnelles et du monde. S’il témoigne d’un esprit volontariste, d’un vrai goût du travail et d’une soif d’apprendre, il n’exclut pas une forte exigence artistique et une justesse d’interprétation bien au-delà du mimétisme. Quand à cela s’ajoutent une forme de fantaisie et un penchant certain pour l’indépendance et la liberté d’entreprendre, nul doute que l’on se trouve en face d’une artiste attachante au caractère original. La publication successive de Neynik – Mirror, premier album sous son nom, au printemps 2024, puis prochainement de celui du quatuor féminin Telli Turnalar, qu’elle forma voici une dizaine d’années, sont une belle occasion d’évoquer sa démarche.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.038 | 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".