L’influence réciproque qu’exerce la pratique conjointe de la composition de musique à l’image et de la composition de musique de concert sur le développement de mon langage musical
Bibliographic record
Abstract
Ce mémoire atteste du résultat de mes deux années d’étude en composition à l’Université de Montréal. J’ai cherché à développé un langage musical personnel, bien qu’ancré dans la tradition et plus particulièrement dans l’héritable harmonique tonal, basé sur une utilisation plus ou moins libre d’accords par tierces superposées –bien que j’emprunte parfois d’autres langages harmoniques. De plus, j’ai voulu concilier la pratique de la composition dans les domaines de la musique de concert et de la musique de film, en démontrant comment ma démarche de créateur présente de nombreuses constantes indépendamment du champ dans lequel j’évolue. Celles-ci sont principalement de l’ordre de l’organisation musicale et de la structure formelle ainsi que, dans une moindre mesure, de détails harmoniques et contrapuntiques. Par exemple, j’aborde et je traite le leitmotiv (élément musical caractérisant un personnage, un lieu ou un sentiment en musique de film) de la même façon que j’ai recours extensivement aux motifs (unité minimale de signification musicale) dans ma musique de concert. La démonstration se fait à travers l’analyse et la critique d’extraits puisés à travers neuf œuvres de mon répertoire de concert et de musique à l’image.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.012 |
| Scholarly communication | 0.012 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.023 | 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".