Musical emotion recognition in bimodal patients
Notice bibliographique
Résumé
Several cues are used to convey musical emotion, the two primary being musical mode and musical tempo. Specifically, major and minor modes are regarded as having positive and negative valence, respectively, and songs at fast tempi (i.e., quarter note = 92-196, Gosselin et al. (2005); quarter note = 80-255, Peretz et al. (1998)) are associated with more positive valence compared to songs at slow tempi (i.e., quarter note = 40-60, Gosselin et al. (2005); quarter note = 20-100, Peretz et al. (1998)). Caldwell et al. (2015) demonstrated that CI users relied on tempo (fast vs. slow) with little regard for mode (major vs. minor) when interpreting musical emotion, a finding consistent with spectral cues being poorly represented in CI users. The current study is an extension of Caldwell et al. (2015) examining how mode and tempo cues impact musical emotion recognition in bimodal listeners. Our primary hypothesis is that, unlike CI only users, bimodal listeners—with access to F0 and fine structure—will utilize both mode and tempo cues in a manner similar to normal-hearing listeners. Our secondary hypothesis is that low-frequency spectral resolution in the contralateral ear (via tuning curves and spectral modulation detection) will be significantly correlated with degree of bimodal benefit for musical emotion perception.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».