MétaCan
Menu
Retour à la cohorte
Enregistrement W4229003407 · doi:10.1016/j.isci.2022.104360

Genetic factors and shared environment contribute equally to objective singing ability

2022· article· en· W4229003407 sur OpenAlexaff
Daniel Yeom, Yi Ting Tan, Nick Haslam, Miriam A. Mosing, Valerie Yap, Trisnasari Fraser, Michael S. Hildebrand, Samuel F. Berkovic, Gary E. McPherson, Isabelle Peretz, Sarah J. Wilson

Notice bibliographique

RevueiScience · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensUniversité de MontréalInternational Laboratory for Brain, Music and Sound Research
Organismes subventionnairesNational Health and Medical Research CouncilAustralian Research CouncilAustralian Government
Mots-clésSingingHeritabilityPsychologyBiologyDevelopmental psychologyCognitive psychologyEvolutionary biology

Résumé

récupéré en direct d'OpenAlex

Singing ability is a complex human skill influenced by genetic and environmental factors, the relative contributions of which remain unknown. Currently, genetically informative studies using objective measures of singing ability across a range of tasks are limited. We administered a validated online singing tool to measure performance across three everyday singing tasks in Australian twins (n = 1189) to explore the relative genetic and environmental influences on singing ability. We derived a reproducible phenotypic index for singing ability across five performance measures of pitch and interval accuracy. Using this index we found moderate heritability of singing ability ( h 2 = 40.7%) with a striking, similar contribution from shared environmental factors ( c 2 = 37.1%). Childhood singing in the family home and being surrounded by music early in life both significantly predicted the phenotypic index. Taken together, these findings show that singing ability is equally influenced by genetic and shared environmental factors.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,034
Tête enseignante GPT0,264
Écart entre enseignants0,230 · 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'étudeObservationnel
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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetNeuroscience and Music PerceptionTravaux en français237 207