MétaCan
Menu
Retour à la cohorte
Enregistrement W2051908681 · doi:10.2307/3345436

Attractiveness Bias in the Evaluation of Young Pianists' Performances

2004· article· en· W2051908681 sur OpenAlexaff
Charlene Ryan, Eugenia Costa-Giomi

Notice bibliographique

RevueJournal of Research in Music Education · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMedia, Gender, and Advertising
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAttractivenessPsychologyPianoPerceptionQuality (philosophy)MusicalPhysical attractivenessCognitive psychologyAcoustics

Résumé

récupéré en direct d'OpenAlex

We investigated how the attractiveness bias that influences the judgment of a variety of characteristics and behaviors in infants, children, and adults affects the evaluation of young pianists' performances. The assumption was that both the visual and the audio components of a videotaped musical performance influence the viewers perception of performance quality. We asked children, musicians, and nonmusicians (n = 75) to rate the quality of 10 piano performances from audiotapes (sound only) and from videotapes (sound and image). Additionally, the participants rated the attractiveness of the performers from brief videos of the performers getting ready to play. Results show that evaluations of audiovisual recordings of musical performances are judged more reliably than are audio recordings but also suggest that they may be affected by an attractiveness bias. The bias was found to favor the more attractive pianists among the female performers and among the best players, and the less attractive pianists among the male performers. The decision to use more reliable means of evaluation (videotapes or DVDs) at the expense of favoring a particular group of performers would have to be taken carefully depending on the outcomes of the situation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,505
Tête enseignante GPT0,559
Écart entre enseignants0,055 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations94
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Music EducationMême sujetMedia, Gender, and AdvertisingTravaux en français237 207