MétaCan
Menu
Retour à la cohorte
Enregistrement W3164824845 · doi:10.52685/cjp.21.1.5

Davies and Levinson on the Musical Expression of Emotion

2021· article· en· W3164824845 sur OpenAlexaff
David Collins

Notice bibliographique

RevueCroatian Journal of Philosophy · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésFeelingReading (process)Expression (computer science)PersonaPsychologyMusicalMusical expressionRelation (database)Cognitive psychologyEpistemologyLinguisticsPhilosophySocial psychologyLiteratureArtComputer scienceHumanities

Résumé

récupéré en direct d'OpenAlex

Stephen Davies and Jerrold Levinson have each offered accounts of how music can express emotions. Davies’s ‘Appearance Emotionalism’ holds that music can be expressive of emotion due to a resemblance between its dynamic properties and those of human behaviour typical of people feeling that emotion, while Levinson’s ‘Hypothetical Emotionalism’ contends that a piece is expressive when it can be heard as the expression of the emotion of a hypothetical agent or imagined persona. These have been framed as opposing positions but I show that, on one understanding of ‘expressing’ which they seem to share, each entails the other and so there is no real debate between them. However, Levinson’s account can be read according to another—and arguably more philosophically interesting— understanding of ‘expressing’ whereas Davies’s account cannot as easily be so read. I argue that this reading of Hypothetical Emotionalism can account for much of our talk about music in terms of emotions but must answer another question—viz., how composers or performers can express emotions through music—to explain this relation between music and emotion. I suggest that this question can be answered by drawing on R. G. Collingwood’s theory of artistic expression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,020
Communication savante0,0050,005
Science ouverte0,0010,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,285
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCroatian Journal of PhilosophyMême sujetNeuroscience and Music PerceptionTravaux en français237 207