The Effects of Background Music on Creative Writing
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
Although many creative writers listen to music while they write (Chamorro-Premuzic et. al.,2009), it is not yet understood if background music enhances or decreases a writer’s creativity. Previous research suggests that the presence of music increases arousal, which in turn affects creativity (He et. al., 2017). Furthermore, people display higher levels of creativity when exposed to familiar music (Schellenberg et. al, 2007). However, many of these studies have examined music priming (when music is played prior to the task), as opposed to background music (when music is played during the task). There is also a lack of research on creative writing, especially short stories. In this study, experienced and novice writers will be asked to write two 300-word fictional stories with provided prompts. One will be written in silence, and the other will be written while listening to playlists the participants has created themselves. Participants will have fifteen minutes to write each story, and then they will answer a series of questionnaires that measure personality, empathy, and participants’ histories of creative activities and achievements. The stories written by these participants will then be read by two sets of raters: those who are also experienced in creative writing, and novice writers. The raters will compare each author’s stories, and judge which story is more creative. The hypothesis is that music will enhance the creativity in both groups of writers, but will have a greater effect in novices, as experienced writers are capable of being creative with or without music. Faculty Mentor: Kathleen Corrigall Department: Psychology (Honours)
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 | 0,001 |
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 découle