Parsing of Melody: Quantification and Testing of the Local Grouping Rules of Lerdahl and Jackendoff's A Generative Theory of Tonal Music
Notice bibliographique
Résumé
In two experiments, the empirical parsing of melodies was compared with predictions derived from four grouping preference rules of A Generative Theory of Tonal Music (F. Lerdahl & R. Jackendoff, 1983). In Experiment 1 (n = 123), listeners representing a wide range of musical training heard two familiar nursery-rhyme melodies and one unfamiliar tonal melody, each presented three times. During each repetition, listeners indicated the location of boundaries between units by pressing a key. Experiment 2 (n = 33) repeated Experiment 1 with different stimuli: one familiar and one unfamiliar nursery-rhyme melody, and one unfamiliar, tonal melody from the classical repertoire. In all melodies of both experiments, there was good within-subject consistency of boundary placement across the three repetitions (mean r = .54). Consistencies between Repetitions 2 and 3 were even higher (mean r = .63). Hence, Repetitions 2 and 3 were collapsed. After collapsing, there was high between-subjects similarity in boundary placement for each melody (mean r = .62), implying that all participants parsed the melodies in essentially the same (though not identical) manner. A role for musical training in parsing appeared only for the unfamiliar, classical melody of Experiment 2. The empirical parsing profiles were compared with the quantified predictions of Grouping Preference Rules 2a (the Rest aspect of Slur/Rest), 2b (Attack-point), 3a (Register change), and 3d (Length change). Based on correlational analyses, only Attack-point (mean r = .80) and Rest (mean r = .54) were necessary to explain the parsings of participants. Little role was seen for Register change (mean r = .14) or Length change (mean r = ––.09). Solutions based on multiple regression further reduced the role for Register and Length change. Generally, results provided some support for aspects of A Generative Theory of Tonal Music, while implying that some alterations might be useful.
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 | 0,009 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».