Music Lexical Networks
Notice bibliographique
Résumé
Successful recognition of a familiar tune depends on a selection procedure that takes place in a memory system that contains all the representations of the specific musical phrases to which one has been exposed during one's lifetime. We refer to this memory system as the musical lexicon. The goal of the study was to identify its neural correlates. The brains of students with little musical training were scanned with functional magnetic resonance imaging (fMRI) while the student listened to familiar musical themes, unfamiliar music, and random tones. The familiar themes were selected from instrumental pieces well-known to the participants; the unfamiliar music was the retrograde version of the familiar themes, which the participants did not recognize; and the random sequences contained the same musical tones but in a random order. All stimuli were synthesized and played with the sound of a piano, thereby keeping low-level acoustical factors similar across conditions. The comparison of cerebral responses to familiar versus unfamiliar music reveals focal activation in the right superior temporal sulcus (STS). Re-analysis of the data obtained in a previous study by Plailly et al. also points to the STS as the critical region involved in musical memories. The neuroimaging data further suggest that these auditory memories are tightly coupled with action (singing), by showing left activation in the planum temporale, in the supplementary motor area (SMA), and in the inferior frontal gyrus. Such a cortical organization of music recognition is analogous to the dorsal stream model of speech processing proposed by Hickok and Poeppel.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».