Musical Preference: Role of Personality and Music-Related Acoustic Features
Notice bibliographique
Résumé
Personality factors, typically determined by the Big Five Inventory (BFI), have been a primary method for investigating individual preferences in music. While these studies have yielded a number of insights into musical choices, weaknesses exist, owing to the methods by which music is characterized and categorized. For example, musical genre, music-preference dimensions (e.g., reflective and complex), and musical attributes (e.g., strong and mellow), reported within the literature, have arguably produced inconsistent and thus difficult to interpret results. We attempt to circumvent these inconsistencies by classifying music using objectively quantifiable acoustic features that are fundamental to Western music, such as tempo and register. Moreover, it is our contention that the link between musical preference and personality may operate primarily at the level of acoustic features and not at broader categorization levels, such as genre. This study attempts to address this issue. Ninety participants listened to and indicated preference for stimuli that were systematically manipulated by dynamics (attack rate), mode, register, and tempo. Personality was measured using the BFI, allowing for analysis of personality traits and preference for acoustic features. Results supported the link between personality and preference for certain acoustic features. Preference with respect to dynamics was related to openness and extraversion; mode to conscientiousness and extraversion; register to extraversion and neuroticism; and tempo to conscientiousness, extraversion, and neuroticism. Though significant, these associations were relatively weak; therefore, future research could expand the number of manipulated acoustic features. Specific attempts should also aim to disentangle the effects of genre versus acoustic features on musical preferences. Personality–preference relationships at the acoustic-feature level are discussed with respect to music recommender systems and other aspects of the literature.
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 | 0,001 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».