MétaCan
Menu
Retour à la cohorte
Enregistrement W2406340451 · doi:10.1525/mp.2016.33.3.306

Effects of Repetition on Attention in Two-Part Counterpoint

2016· article· en· W2406340451 sur OpenAlexaff
Cecilia Taher, René Rusch, Stephen McAdams

Notice bibliographique

RevueMusic Perception An Interdisciplinary Journal · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMelodyCounterpointMusicalRepetition (rhetorical device)PolyphonySalience (neuroscience)PsychologyNoveltyActive listeningPerceptionCognitive psychologyMusical formFluteLinguisticsCommunicationSpeech recognitionArtComputer scienceVisual artsSocial psychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Repetition and novelty are essential components of tonal music. Previous research suggests that the degree of repetitiveness of a line can determine its relative melodicity within a musical texture. Concordantly, musical accompaniments tend to be highly repetitive, probably facilitating listeners’ tendency to focus on and follow the melodic lines they support. With the aim of contributing to the unexplored area of the relationship between repetition and attention in polyphonic music listening, this paper presents an empirical investigation of the way listeners attend to exact and immediate reiterations of musical fragments in two-part contrapuntal textures. Participants heard original excerpts composed of a repetitive and a nonrepetitive part, continuously rating the relative prominence of the two voices. The results indicate that the line that consists of immediate and exact repetitions of a short musical fragment tends to perceptually decrease in salience for the listener. This suggests that musical repetition plays a significant role in dynamically shaping listeners’ perceptions of musical texture by affecting the relative perceived importance of simultaneous parts.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,032
Tête enseignante GPT0,337
Écart entre enseignants0,306 · 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

Citations15
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMusic Perception An Interdisciplinary JournalMême sujetNeuroscience and Music PerceptionTravaux en français237 207