A model for the social neuroscience of music production begins on a dubious note: Commentary on Greenberg et al. (2021).
Notice bibliographique
Résumé
Group singing and music-making behaviors that were rapidly adapted to the coronavirus disease (COVID-19) pandemic context suggest to Greenberg et al. (2021) not only a musical solution to pandemic-related social isolation but also the importance of the social neuroscientific side of music. They propose a model of the social neuroscience of music production premised on the view that group singing leads to increased levels of oxytocin (a neuropeptide associated with empathy and social bonding), citing data of Schladt et al. (2017) and Keeler et al. (2015) as support. The present commentary points out that Schladt et al. reported a decrease rather than an increase in oxytocin level following group singing. Further, reference to the work by Keeler et al. (2015) is only partially accurate, and evidence contrary to the oxytocin premise is ignored. Similar inaccuracy is associated with claims for cortisol, another primary component of their model. While the authors are applauded for directing attention to both the social neuroscience of music and the value of group singing, tempering the stated premises associated with the oxytocin and cortisol channels of the model is recommended. (PsycInfo Database Record (c) 2022 APA, all rights reserved).
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 | 0,009 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,014 |
| Communication savante | 0,005 | 0,011 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,066 | 0,091 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,007 |
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 ».