“Taste typicality” is a foundational and multi-modal dimension of ordinary aesthetic experience
Notice bibliographique
Résumé
Aesthetic experience seems both regular and idiosyncratic. On one hand, there are powerful regularities in what we tend to find attractive versus unattractive (e.g., beaches versus mud puddles). 1–4 On the other hand, our tastes also vary dramatically from person to person: 5–8 what one of us finds beautiful, another might find distasteful. What is the nature of such differences? They may in part be arbitrary—e.g., reflecting specific past judgments (such as liking red towels over blue ones because they were once cheaper). However, they may also in part be systematic—reflecting deeper differences in perception and/or cognition. We assessed the systematicity of aesthetic taste by exploring its typicality for the first time across seeing and hearing. Observers rated the aesthetic appeal of ordinary scenes and objects (e.g., beaches, buildings, and books) and environmental sounds (e.g., doorbells, dripping, and dialtones). We then measured "taste typicality" (separately for each modality) in terms of the similarity between each individual's aesthetic preferences and the population's average. The data revealed two primary patterns. First, taste typicality was not arbitrary but rather was correlated to a moderate degree across seeing and hearing: people who have typical taste for images also tend to have typical taste for sounds. Second, taste typicality captured most of the explainable variance in people's impressions, showing that it is the primary dimension along which aesthetic tastes systematically vary.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».