MétaCan
Menu
Retour à la cohorte

Cross-Cultural Similarities and Differences

2010· book-chapter· en· W328236478 sur OpenAlexaff
William Forde Thompson, Laura-Lee Balkwill

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter reviews empirical studies of music and emotion that involve a cross-cultural comparison, and outlines prevailing views on the implications of such studies. It begins by discussing some theoretical implications of research on cross-cultural commonalities in the association between music and emotion. Section 27.2 reviews the central questions arising from cross-cultural research on emotion. Section 27.3 outlines the cue-redundancy model, developed to account for cross-cultural similarities and differences in the expression and recognition of emotion in music. Section 27.4 presents a broader framework for summarizing existing data on emotional communication, referred to as fractionating emotional systems (FES). FES extend the cue-redundancy model by accounting for similarities and differences in emotional communication, not only across cultures but also across the auditory channels of music and speech prosody. Section 27.5 reviews cross-cultural studies of music and emotion, while section 27.6 reviews cross-cultural studies of emotion in speech. Section 27.7 identifies some future prospects for the cross-cultural study of music and emotion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,773
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,311
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations100
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Music PerceptionTravaux en français237 207