What's up in Vancouver : the attempt to define the sound of the city
Bibliographic record
Abstract
W Ameryce Północnej istnieje wiele miast, które na przestrzeni lat wykrystalizowały swoje niepowtarzalne brzmienie - przykładami mogą być Chicago, Detroit, Minneapolis, Seattle czy San Francisco. W XX i XXI wieku powstały tam charakterystyczne sceny muzyczne, specjalizujące się w wyjątkowych stylach, które swoją specyfiką wyróżniały te ośrodki na tle innych w kontekście ich niespotykanych nigdzie indziej artystycznych dokonań. Vancouver, będąc obok Montrealu i Toronto kolebką kanadyjskiej muzyki rozrywkowej, ma wszelkie szanse na wypracowanie takiego własnego, charakterystycznego brzmienia miasta. Celem mojej pracy jest zbadanie oraz analiza historii i osiągnięć tamtejszej sceny muzycznej w celu wyszczególnienia niepowtarzalnych na skalę światową zjawisk artystycznych, które mogłyby prowadzić do zdefiniowania Vancouver Sound. Moim artykułem chcę udowodnić, że na przestrzeni lat, mimo prominentnej pozycji na kulturalnej mapie Kanady, Vancouver nie udało się wytworzyć na tyle skondensowanego zjawiska muzycznego, by można go nazwać brzmieniem miasta w takim ujęciu jak w Minneapolis czy San Francisco. Pomimo braku istnienia Vancouver Sound przedsięwzięcia muzyczne w tym mieście od lat potwierdzają jego pozycję w czołówce najważniejszych miast na muzycznej mapie Kanady.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.033 | 0.013 |
| Scholarly communication | 0.016 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 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 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".