Statistical Analysis of Elements of Movement in Musical Expression in Early Childhood Using 3D Motion Capture and Evaluation of Musical Development Degrees Through Machine Learning
Notice bibliographique
Résumé
This study aims to analyze the developmental characteristics of early childhood musical expressions from aviewpoint of movement elements, and to devise a method to evaluate the development regarding musical expressionin early childhood using machine learning. Previous studies regarding motion capture have shown analysis resultssuch as specific actions and responses to music (Burger et al, 2013). In this study, firstly, ANOVA was attempted onfull-body movements. The author quantitatively analyzed the motion capture data regarding 3-year-old, 4-year-old,and 5-year-old children in the nursery schools (n=84) and kindergartens (n=94) through a three-way non-repeatedANOVA. As a result, a statistically significant difference was observed in movement of body parts. Specifically, righthand movement such as moving distance and the moving average acceleration showed a significance of difference.Secondly, machine learning (decision trees, Sequential Minimum Optimization algorithm (SMO), Support VectorMachine (SVM) and neural network (multilayer perceptron)) was deployed to build classification models forevaluation of degree of musical development classified by educators with simultaneously recorded children’s videowith associated motion capture data. Among varieties of trained classification models, multilayer perceptron obtainedbest results of confusion matrix and showed fair classifying precision and usability to support educators to evaluatechildren’s achievement degree of musical development. As a result of the machine learning of multilayeredperceptron, the movement of the pelvis has a strong relationship with musical development degree. Its classificationaccuracy found consistent to affirm the availability to utilize the model to support educators to evaluate children’sattainment of musical expression.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».