MétaCan
Menu
Retour à la cohorte
Enregistrement W2548742412 · doi:10.1525/mp.2016.34.1.56

Hearing the Beat

2016· article· en· W2548742412 sur OpenAlexaff
Kathleen M. Einarson, Laurel J. Trainor

Notice bibliographique

RevueMusic Perception An Interdisciplinary Journal · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBeat (acoustics)PsychologyRhythmPerceptionSpeech recognitionMusic perceptionAudiologyCommunicationComputer scienceAcousticsNeuroscience

Résumé

récupéré en direct d'OpenAlex

Adults can extract the underlying beat from music, and entrain their movements with that beat. Although infants and children are poor at synchronizing their movements to auditory stimuli, recent findings suggest they are perceptually sensitive to the beat. We examined five-year-old children’s perceptual sensitivity to musical beat alignment (adapting the adult task of Iversen & Patel, 2008). We also examined whether sensitivity is affected by metric complexity, and whether perceptual sensitivity correlates with cognitive skills. On each trial of the complex Beat Alignment Test (cBAT) children were presented with two successive videos of puppets drumming to music with simple or complex meter. One puppet’s drumming was synchronized with the beat of the music while the other had either incorrect tempo or incorrect phase, and children were asked to select the better drummer. In two experiments, five-year-olds were able to detect beat misalignments in simple meter music significantly better than beat misalignments in complex meter music for both phase errors and tempo errors, with performance for complex meter music at chance levels. Although cBAT performance correlated with short-term memory in Experiment One, the relationship held for both simple and complex meter, so cannot explain the superior performance for culturally typical meters.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,103
Tête enseignante GPT0,354
Écart entre enseignants0,251 · 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.

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

Citations35
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

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