MétaCan
Menu
← Retour à la cohorte
Enregistrement W4214765481 · doi:10.31234/osf.io/274zw

Tonal priming is resistant to changes in pitch height

2020· preprint· en· W4214765481 sur OpenAlexaff
Jon B. Prince, Dominique T. Vuvan, Mark A. Schmuckler, Thomas T. Scott-Clark

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensThe Scarborough HospitalUniversity of TorontoUniversité de MontréalInternational Laboratory for Brain, Music and Sound Research
Organismes subventionnairesnon disponible
Mots-clésChord (peer-to-peer)Consonance and dissonancePriming (agriculture)ConsonantPsychologySpeech recognitionTonic (physiology)MathematicsAcousticsCognitive psychologyComputer scienceVowelPhysicsNeuroscienceBiology

Résumé

récupéré en direct d'OpenAlex

Research on tonal priming has consistently shown that tonally expected events are processed more efficiently and has confirmed that the locus of the effect is cognitive rather than sensory. However, it is also important to investigate the role of pitch height, because models of tonal priming collapse across octaves, yet it is possible that pitch height may modulate the effectiveness of tonal priming. We systematically tested this issue by varying the pitch heights of a related (tonic) or a less-related (subdominant) target chord following a tonal context. Musically untrained participants (N = 30) made speeded consonant/dissonant judgments of the final chord of an eight-chord sequence. The effects of tonal priming emerged in accuracy and reaction time measures for all octaves, except for a ceiling effect on accuracy in the matching (original pitch height) condition. In a second experiment, we increased the shift to two octaves and compressed the chords to eliminate overlap between the target and context chords; again, tonal priming emerged. These findings have implications for the behavioral study of tonal priming and support the assumption of octave equivalence in computational models.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,138
Tête enseignante GPT0,334
Écart entre enseignants0,196 · 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'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeuroscience and Music Perception→Travaux en français237 207→