Color, music, and emotion
Notice bibliographique
Résumé
Arnheim (1986) speculated that different aesthetic domains (e.g., color and music) might be related to each other through common emotional associations. We investigated this hypothesis by having participants pick from among an array of 37 colors the five colors that went best (and later the five that went worst) with each of a set of musical selections that varied in composer, tempo, and mode (major/minor). They also rated each musical selection and each color for its emotional associations (happy-sad, lively-dreary, strong-weak, angry-calm). For both orchestral music and solo piano music, systematic mappings were found between the dimensions of color and music: faster music and major mode were associated with lighter, more saturated, yellower colors, whereas slower music and minor mode were associated with darker, desaturated, bluer colors. These mappings appear to be mediated by common emotional associations, because the correlation between emotional ratings of the musical selections and emotional ratings of the colors chosen to go with them were extremely high (0.90 to 0.98) for all emotional dimensions studied (e.g., people picked happy colors to go with happy music and dreary colors to go with dreary music). Further studies using better-controlled musical stimuli (unaccompanied theme-and-variation melodies by Mozart) dissociated effects due to instrumental timbre (piano/cello), register (high/low pitch), and note density (quarter-note theme vs. eighth-note variation), as well as tempo and mode from the specific influences of different melodic and harmonic structure in the earlier studies. The mediating role of emotion was established by obtaining analogous effects when people picked the colors that went best (and worst) with faces and body poses that expressed emotions (happy-sad and angry-calm). Similarly high correlations were obtained when the emotional ratings of the faces/gestures were compared with corresponding emotional ratings of the colors chosen to go with them.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».