Bibliographic record
Abstract
Fernando Iazzetta es profesor en el área de Música y Tecnología del Departamento de Música de la Escuela de Artes de la USP y coordinador del Laboratorio de Acústica Musical e Informática (LAMI). Es investigador del CNP y coordinador del Postgrado en el Área de Musicología en la ECA /USP. Se graduó en percusión por el Instituto de Artes de la UNESP y realizó su doctorado en Comunicación y Semiótica por la PUC-SP con la tesis "Sonidos de Silicio: Cuerpos y Máquinas Haciendo Música". Fue investigador asociado y profesor en el Programa de Estudios Postgraduados en Comunicación y Semiótica de la PUC-SP de 1997 a 2002. Durante ese periodo coordinó el Centro de Lenguaje Musical (CLM) junto con el compositor Silvio Ferraz. Ha desarrollado amplia actividad artística como compositor y músico electroacústico. Sus composiciones para diferentes formaciones camerísticas y medios electrónicos fueron presentadas en diversos teatros y festivales de música en Brasil y en el exterior, además de grabadas en Disco Compacto. En los últimos años ha desarrollado tecnologías y programas para ejecución en tiempo real y colaborado en la creación de diversos espectáculos multimedia. Como investigador, se ha dedicado particularmente al estudio y utilización de nuevas tecnologías musicales. Es coordinador en un Proyecto Temático financiado por la Fapesp, en el área de acústica de salas. Entre 1994 y 1995 hizo una práctica como investigador asociado en el Center for New Music and Audio Technologies (CNMAT) de la Universidad de California en Berkeley, desarrollando una investigación sobre sistemas musicales interactivos (Beca CNPq). En 2003 realizó otra práctica como investigador visitante en el Electronic Music Studio de la McGill University en Montreal, Canadá (Beca Fapesp). Es autor del libro "Música: Proceso y Dinámica" (1993) y casi 40 textos publicados en anales de congresos científicos, revistas y libros especializados, varios de ellos en el exterior. Sus áreas de interés son: música y tecnología, gesto, interacción, acústica musical y desarrollo de programas y composiciones en el ambiente de programación MAX/MSP. De sus obras se destacan: Cícero (2003), para sistema electrónico interactivo; DRU (1998), para cinta magnética; Corda e Cabaça (1999), para cinta magnética.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.070 | 0.033 |
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".