MétaCan
Menu
Retour à la cohorte
Enregistrement W2401565418 · doi:10.5406/amerjpsyc.129.2.0125

Effects of Music and Tonal Language Experience on Relative Pitch Performance

2016· article· en· W2401565418 sur OpenAlexaboutno aff
Mary Kim Ngo, Kim‐Phuong L. Vu, Thomas Z. Strybel

Notice bibliographique

RevueThe American Journal of Psychology · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyRelative pitchConsistency (knowledge bases)Tone (literature)Task (project management)AudiologyInternal consistencyCognitive psychologySpeech recognitionLinguisticsDevelopmental psychologyPsychometricsComputer sciencePerceptionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We examined the interaction between music and tone language experience as related to relative pitch processing by having participants judge the direction and magnitude of pitch changes in a relative pitch task. Participants' performance on this relative pitch task was assessed using the Cochran-Weiss-Shanteau (CWS) index of expertise, based on a ratio of discrimination over consistency in participants' relative pitch judgments. Testing took place in 2 separate sessions on different days to assess the effects of practice on participants' performance. Participants also completed the Montreal Battery of Evaluation of Amusia (MBEA), an existing measure comprising subtests aimed at evaluating relative pitch processing abilities. Musicians outperformed nonmusicians on both the relative pitch task, as measured by the CWS index, and the MBEA, but tonal language speakers outperformed non-tonal language speakers only on the MBEA. A closer look at the discrimination and consistency component scores of the CWS index revealed that musicians were better at discriminating different pitches and more consistent in their assessments of the direction and magnitude of relative pitch change.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,479
Score d'incertitude au seuil0,480

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 technologies0,0000,001
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 Opus0,025
Tête enseignante GPT0,333
Écart entre enseignants0,308 · 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'étudeExpérimental (laboratoire)
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

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American Journal of PsychologyMême sujetNeuroscience and Music PerceptionTravaux en français237 207