MétaCan
Menu
Retour à la cohorte
Enregistrement W2889608209 · doi:10.1101/415372

The sensation of groove is affected by the interaction of rhythmic and harmonic complexity

2018· preprint· en· W2889608209 sur OpenAlexaff
Tomas E. Matthews, Maria A. G. Witek, Ole Adrian Heggli, Virginia B. Penhune, Peter Vuust

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRhythmPleasureHarmony (color)PsychologySensationGroove (engineering)MusicalCognitive psychologyCommunicationAestheticsNeuroscienceArtLiteratureVisual artsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Groove is defined as the pleasurable desire to move to music. Research has shown that rhythmic complexity modulates the sensation of groove but how other musical features, such as harmony, influence groove is less clear. To address this, we asked people with a range of musical experience to rate stimuli that varied in both rhythmic and harmonic complexity. Rhythm showed an inverted U-shaped relationship with ratings of pleasure and wanting to move, whereas medium and low complexity chords were rated similarly. Pleasure mediated the effect of harmony on wanting to move and high complexity chords attenuated the effect of rhythm. While rhythmic complexity is the primary driver, harmony both modulates the effect of rhythm and makes a unique contribution via its effect on pleasure. These results may be accounted for by predictive processes based on rhythmic and harmonic expectancies that are known to contribute to musical pleasure or reward.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,706

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,266
Écart entre enseignants0,223 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations26
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetNeuroscience and Music PerceptionTravaux en français237 207