MétaCan
Menu
Retour à la cohorte
Enregistrement W2617429668 · doi:10.1146/annurev-psych-122216-011740

The Psychology of Music: Rhythm and Movement

2017· review· en· W2617429668 sur OpenAlexaff
Daniel J. Levitin, Jessica A. Grahn, Justin London

Notice bibliographique

RevueAnnual Review of Psychology · 2017
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensWestern UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésPsychologyRhythmMovement (music)Cognitive psychologyMusic psychologyCognitive scienceMusicologyAestheticsPedagogyArt

Résumé

récupéré en direct d'OpenAlex

The urge to move to music is universal among humans. Unlike visual art, which is manifest across space, music is manifest across time. When listeners get carried away by the music, either through movement (such as dancing) or through reverie (such as trance), it is usually the temporal qualities of the music-its pulse, tempo, and rhythmic patterns-that put them in this state. In this article, we review studies addressing rhythm, meter, movement, synchronization, entrainment, the perception of groove, and other temporal factors that constitute a first step to understanding how and why music literally moves us. The experiments we review span a range of methodological techniques, including neuroimaging, psychophysics, and traditional behavioral experiments, and we also summarize the current studies of animal synchronization, engaging an evolutionary perspective on human rhythmic perception and cognition.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,004
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,192
Tête enseignante GPT0,492
Écart entre enseignants0,300 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations222
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of PsychologyMême sujetNeuroscience and Music PerceptionTravaux en français237 207