Exploring emotional responses to orchestral gestures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Research on emotional responses to music indicates that prominent changes in instrumentation and timbre elicit strong responses in listeners. However, there are few theories related to orchestration that would assist in interpreting these empirical findings. This article investigates listeners’ emotional responses to four types of orchestral gestures – large-scale timbral and textural changes that occur in a coordinated, goal-directed manner – through an exploratory experiment that collected continuous responses of emotional intensity for musician and nonmusician listeners. A time series regression analysis was used to predict changes in emotional responses by modeling changes in several musical features, including instrumental texture, spectral centroid, loudness, and tempo. We demonstrate the application of a new visualization tool that compiles the emotional intensity ratings with score-based and performance-based musical features for qualitative and quantitative analysis. The results suggest that the response profiles differ for the four gestural types. Following the increasing growth of instrumental texture and loudness, the emotional intensity ratings climbed steadily for the gradual addition types. The ratings for the sudden addition gestures sharply increased in response to the rapid textural change, peaking toward the end of the excerpt. There was a slight tendency for musicians, but not nonmusicians, to anticipate the moment of sudden addition with heightened emotional responses. The responses to the reductive excerpts, both gradual and sudden, feature a plateau of lingering high emotional intensity, despite the decrease of other musical features. The visualization provided a method to observe the evolution of listeners’ emotional reactions in response to the orchestral gestures and assisted in interpreting the results of the time series regression analysis.
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.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle