Sound production in four mallet marimba performance: The role of limb velocity variability
Notice bibliographique
Résumé
Sound production in a percussion context like marimba results from using two mallets held in each hand to strike a unique bar/target location. If the mallets contact the bar above the resonator below, optimal sound production occurs. This study examined mallet accuracy to further understand mechanisms underlying motor control in marimba performance. Thirteen percussionists played a four-mallet excerpt in three tempo conditions including slow, intermediate, and fast. Mallets were held proximal to the pinky (mallet 1: left hand, mallet 4: right hand) and thumb (mallet 2: left hand, mallet 3: right hand). Motion tracking measured movements and velocities of the mallets, wrists, and elbows. Instructions were to terminate each mallet's movement onto a visual target located on the marimba's bars above the resonators. Contrasting each mallet's terminal position with its unique target location when all four mallets contacted the marimba simultaneously (i.e., playing chords) assessed mallet accuracy. Velocity analyses examined the variability of upper-limb and mallet movements. It was hypothesized that increases in limb velocity variability would negatively impact mallet accuracy. The results showed that accuracy was lowest in the fast vs. the intermediate and slow conditions within the outer mallets (i.e., 1, 4). In both elbows and wrists, velocity variability was greater in the fast vs. the slow condition. It may be surmised that increasing velocity variability of limb movements reduces mallet accuracy resulting in suboptimal sound production in the outer mallets specifically. Motor skill acquisition in marimba performance may be facilitated by emphasizing temporal control in the upper-limbs.Acknowledgments: The Canada Foundation For Innovation and the Percussion Department in the Faculty of Music at U of T
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 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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».