MétaCan
Menu
Retour à la cohorte
Enregistrement W2078454994 · doi:10.1145/2072298.2071910

Music visualization

2011· article· en· W2078454994 sur OpenAlexaff
Anastasia Gumulia, BartBomiej Puzon, Naoko Kosugi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic and Audio Processing
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCouncil for Science and Technology Policy
Mots-clésVisualizationComputer scienceActive listeningFeelingRhythmMusicalTask (project management)Selection (genetic algorithm)Human–computer interactionMultimediaArtificial intelligencePsychologyAestheticsVisual artsCommunicationEngineeringArt

Résumé

récupéré en direct d'OpenAlex

This paper discusses how people feel the speed of tunes and proposes a way to express it with images. In Misual Project, the research is done to provide people with a way to learn/know music other than by listening to it. This paper focuses on the speed feeling of music, since it is an important musical characteristic for listeners. Although tempo itself is an important indicator of the speed of music, we found that the number of notes per time unit and rhythms (combination of regular and dotted notes) are also important. How and how much these factors contribute to the speed feeling is investigated in listening tests with simple tunes. The factors are visualized so that people can intuitively imagine how fast a tune is. A selection of famous tunes is visualized and the advantage of music visualization is discussed. The visualization allows us to look at a tune as a whole and to compare tunes.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,923
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

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

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 Opus0,072
Tête enseignante GPT0,250
Écart entre enseignants0,178 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations7
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMusic and Audio ProcessingTravaux en français237 207