The Piano Keyboard as Task Constraint: Timing Patterns of Pianists’ Scales Persist Across Instruments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Variation in one form or another is an inevitable aspect of human motor performance as the body negotiates the degrees of freedom problem while also adapting to ever-changing task constraints. The constraints to action model suggests that movement patterns arise from within a framework of environmental, task, and personal constraints. Like athletes, musicians adapt to a wide variety of constraints such as the presence and effect of spectators; acoustics in different performing spaces; humidity affecting tuning; and interpersonal interactions characterizing chamber and ensemble music. A crucial constraint particular to piano performance is adapting to the unique attributes of a wide variety of keyboard instruments. Pianists often refer to the distinct “feel” of a particular instrument: its responsiveness and sensitivity; key resistance; and the evenness and predictability of the instrument. Movement control both within and across pianos is essential for optimal performance, and in that sense, each instrument presents a type of task constraint. In this study, seven pianists performed 10 bimanual, two-octave, C major scales on 3 different piano keyboards to facilitate comparison of performance characteristics across instruments. Pianists performed 4 keystrokes per second, paced by a metronome set at 60 BPM. No timing differences were observed among keyboards as consistent patterns emerged, specifically anticipatory adjustments prior to thumb strokes. These results suggest that pianists are able to produce performances of similar musical structure across different instruments.
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.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle