<i>Signer son fado</i> . Réflexions sur les musiques sourdes à l’aune du cinéma
Bibliographic record
Abstract
Signer son fado est une musique sourde produite dans le cadre d’une recherche-création multidisciplinaire menée lors d’une résidence de 75 jours au Portugal en 2024. L’auteure propose un texte réflexif sur sa démarche, dont l’oeuvre centrale est une musique signée (en langue des signes) formée de sept vidéos projetées sur sept peintures abstraites réalisées sur des panneaux de bois. L’article expose dans un premier temps ce que sont les musiques sourdes. Dans un deuxième temps, il aborde les thèmes de la création articulés autour de la sourditude – le fait de vivre comme personne sourde – et du fado afin d’expliciter la démarche artistique de la création de Signer son fado . Dans un troisième temps, il explore les musiques sourdes à l’aune du cinéma et en résonance avec des pratiques cinématographiques, telles que le cinéma expérimental, le cinéma muet, la musique chromatique et la musique visuelle. La conclusion propose une réflexion sur la recherche-création comme espace de développement des musiques sourdes et des savoirs pour les personnes de la diversité capacitaire, en s’appuyant sur la création comme lieu de production de nouvelles représentations de la sourditude, mais aussi de nouvelles formes artistiques.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.015 | 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".