Lieux de mémoire sonore : Des sons pour survivre, des sons pour tuer
Bibliographic record
Abstract
Quels sens donner aux pratiques sonores et musicales dans les situations de violence organisée ? Comment penser la relation dynamique qu'entretient le son avec l’expérience sensible des lieux, des personnes et des événements ? Ce livre est organisé autour de deux propositions. La première est que les expériences sonores en contexte de violence organisée peuvent être comprises non seulement comme des événements politiques, mais comme ce que nous proposons d’appeler des « lieux de mémoire sonore ». Notre seconde proposition est que ces lieux de mémoire sonore peuvent être appréhendés sous une double perspective, à la fois la face noire et la face lumineuse d’un même phénomène. D’une part, le son, la musique et le silence sont utilisés comme des armes en contexte de violence organisée, que cela soit par exemple dans certains lieux de détention ou en situation de guerre ou de conflit politique. D’autre part, ils constituent des ressources symboliques qui contribuent à la (re)construction de subjectivités, notamment dans des situations faisant suite à des expériences d’exil forcé et de violence organisée. Lieux de mémoire sonore est une somme exceptionnelle sur les usages des sons et des pratiques musicales dans des situations de crise humanitaire, de guerre civile, d’exil ou de catastrophe naturelle. Ce travail conjoint entre chercheurs et musiciens présente différents contextes de violence organisée, et les exemples choisis couvrent de nombreuses régions du globe, depuis le Liban, la Syrie ou le Vanuatu jusqu’au Canada, au Viêt Nam et plusieurs pays européens.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.008 | 0.014 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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.
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".