Brain Entrain: Acoustic Features of Music that Drive You to Synch
Notice bibliographique
Résumé
Tapping along with a metronome or the beat of music is a relatively easy task. Certain acoustic features of music have been found to support this behavioural synchronization. For example, lower frequency content has been found to be related to higher tapping velocity and lower tapping variability (Stupacher, Hove, & Janata, 2016). Neurons will also entrain their firing to the beat of music, but it is unknown whether those same acoustic features that support behavioural synchronization will also support neural entrainment. The current study seeks to investigate which acoustic features of music support the entrainment of neurons that are related to behavioural synchronization, such as those in premotor areas of the brain. In a previous study, participants listened to music while EEG was measured from the surface of the scalp. Independent components analysis was used to identify sources of activity in auditory and premotor areas of the brain. In a post-hoc analysis, certain acoustic features of the music were found to correlate with neural entrainment. Specifically, tempo and RMS were found to correlate with entrainment of premotor areas, whereas low energy rate (the proportion of the signal below the average energy) and spectral centroid were found to correlate with beta-band phase coherence of auditory and premotor areas. In a second [pilot] study, a stimulus set was created to specifically investigate these features and their ability to entrain neurons in premotor areas of the brain.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,004 | 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 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 ».