What Makes Musical Prodigies?
Notice bibliographique
Résumé
Musical prodigies reach exceptionally high levels of achievement before adolescence. Despite longstanding interest and fascination in musical prodigies, little is known about their psychological profile. Here we assess to what extent practice, intelligence, and personality make musical prodigies a distinct category of musician. Nineteen former or current musical prodigies (aged 12-34) were compared to 35 musicians (aged 14-37) with either an early (mean age 6) or late (mean age 10) start but similar amount of musical training, and 16 non-musicians (aged 14-34). All completed a Wechsler IQ test, the Big Five Inventory, the Autism Spectrum Quotient, the Barcelona Music Reward Questionnaire, the Dispositional Flow Scale, and a detailed history of their lifetime music practice. None of the psychological traits distinguished musical prodigies from control musicians or non-musicians except their propensity to report flow during practice. The other aspects that differentiated musical prodigies from their peers were the intensity of their practice before adolescence, and the source of their motivation when they began to play. Thus practice, by itself, does not make a prodigy. The results are compatible with multifactorial models of expertise, with prodigies lying at the high end of the continuum. In summary, prodigies are expected to present brain predispositions facilitating their success in learning an instrument, which could be amplified by their early and intense practice happening at a moment when brain plasticity is heightened.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».