Muziektranscriptie - afgeschreven onderzoeksmethode of toch nog relevant? Historiografische analyse van twee casestudy's
Bibliographic record
Abstract
In deze masterscriptie wordt geëvalueerd of muziektranscriptie binnen de etnomusicologie zich heeft kunnen ontwikkelen tot een relevante onderzoeksmethode. Er worden daarom twee casestudy’s vanuit historiografisch perspectief onderzocht. De eerste casestudy betreft het transcriberen van keelzang van de Inuït bevolking uit Canada in etnomusicologische onderzoeken uit de periode 1978 tot 2005. De tweede casestudy betreft het transcriberen van polyfonie en polyritmiek in vocale muziek van de Aka Pygmeeën in de Centraal Afrikaanse Republiek in etnomusicologische onderzoeken uit de periode 1976 tot 2006. Beide casestudy’s behandelen muziektranscriptie in relatie tot vocale muziek en stippen hiermee de belangrijkste knelpunten aan, namelijk het transcriberen van klankkleur, polyfonie en polyritmiek. Uit beide casestudy’s blijkt dat muziektranscriptie een relevante bijdrage heeft geleverd aan het onderzoeksproces. Dankzij muziektranscriptie konden achterliggende muzikale systemen worden ontdekt. Wel is duidelijk geworden dat de sociologische context moet worden meegenomen en dat muziek vanuit verschillende perspectieven bestudeerd moet worden. Daarom pleit ik voor het behoud van muziektranscriptie als onderzoeksmethode mits de onderzoeker zich bewust is van het persoonlijk perspectief dat hij meebrengt en bereid is om verschillende invalshoeken te gebruiken. Dan kan muziektranscriptie als onderzoeksmethode een waardevolle bijdrage leveren aan het wetenschappelijk onderzoek. Vervolgonderzoek op het gebied van andere parameters en muziekgenres is aan te bevelen. Met name onderzoek naar het representeren van klankkleur verdient verdere aandacht.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".