MétaCan
Menu
Retour à la cohorte
Enregistrement W2460489485 · doi:10.1371/journal.pone.0160178

Keeping the Beat: A Large Sample Study of Bouncing and Clapping to Music

2016· article· en· W2460489485 sur OpenAlexafffund
Pauline Tranchant, Dominique T. Vuvan, Isabelle Peretz

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensUniversité de MontréalInternational Laboratory for Brain, Music and Sound Research
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCentre for Research on Brain, Language and Music
Mots-clésBeat (acoustics)MetronomeTappingComputer scienceAudiologySpeech recognitionCommunicationRhythmPsychologyAcousticsMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

The vast majority of humans move in time with a musical beat. This behaviour has been mostly studied through finger-tapping synchronization. Here, we evaluate naturalistic synchronization responses to music-bouncing and clapping-in 100 university students. Their ability to match the period of their bounces and claps to those of a metronome and musical clips varying in beat saliency was assessed. In general, clapping was better synchronized with the beat than bouncing, suggesting that the choice of a specific movement type is an important factor to consider in the study of sensorimotor synchronization processes. Performance improved as a function of beat saliency, indicating that beat abstraction plays a significant role in synchronization. Fourteen percent of the population exhibited marked difficulties with matching the beat. Yet, at a group level, poor synchronizers showed similar sensitivity to movement type and beat saliency as normal synchronizers. These results suggest the presence of quantitative rather than qualitative variations when losing the beat.

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)0,001
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 enseignants0,147
Score d'incertitude au seuil0,194

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,153
Tête enseignante GPT0,276
Écart entre enseignants0,123 · 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

Citations74
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetNeuroscience and Music PerceptionTravaux en français237 207