Binômes interartistiques. L’impact du théâtre et de la danse sur les méthodes de création musicale de Georges Aperghis et Thierry De Mey
Bibliographic record
Abstract
Peu d’études se sont penchées sur l’influence directe de la danse ou du théâtre sur les méthodes de création musicale des compositeurs collaborant étroitement avec ces milieux artistiques. Dans le cas de Georges Aperghis, les recherches se sont souvent limitées à son traitement de la voix ou du texte, tandis que celles portant sur Thierry De Mey se sont centrées sur ses réalisations pour le cinéma ou la danse. Or, leur relation respective avec Antoine Vitez et Anne Teresa De Keersmaeker, et l’impact de ce dialogue sur leurs processus créatifs, demeurent largement sous-étudiés. Pour combler cette lacune, cet article adopte une double approche documentaire et analytique, s’appuyant sur des entretiens, l’examen d’archives et la comparaison des spectacles Jojo (1990) et Simplexity (2016). Il en ressort que l’improvisation, la fragmentation, la mise en tension et le rôle actif des interprètes constituent des pratiques récurrentes, confirmées par l’étude d’autres oeuvres. En définitive, l’interdisciplinarité induite par ces collaborations renouvelle profondément la démarche compositionnelle d’Aperghis et de De Mey.
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 | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.013 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.025 | 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".