MétaCan
Menu
Retour à la cohorte
Enregistrement W4379516552 · doi:10.1177/02762374231180393

Ethos Theory of Music: Toward An Empirical Confirmation Through Moral Foundations Theory

2023· article· en· W4379516552 sur OpenAlexaffabout
Alessandro Ansani, Lisa Giombini, Isabella Poggi, James O. Young

Notice bibliographique

RevueEmpirical Studies of the Arts · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésEthosFeelingActive listeningHarmPsychologyMediationMusicalSocial psychologyEmpirical evidenceEpistemologySociologyPhilosophySocial scienceLiteratureLinguisticsCommunicationArt

Résumé

récupéré en direct d'OpenAlex

As an advocate of the Ethos Theory of Music, Herbert Spencer argues that sharing in a wide range of musically aroused emotions promotes fellow-feeling thanks to which humans behave considerately toward each other. Here we attempt to provide empirical evidence for this claim. We identified Spencer's fellow-feeling as an instantiation of the concerns for Harm and Fairness Moral Foundations; thus, we predicted that musical expertise, and specifically long-term listening to and playing classical music, would lead to favoring individualizing moral foundations and opposing the binding ones. A cross-national questionnaire (US, Canada, and Italy) was conceived ( N = 330), and the data were analyzed through a parallel mediation Structural Equation Model. Results confirm that musical expertise is associated with lower proclivity toward the binding moral foundations. Conversely, it is connected with an embracement of individualizing moral foundations. Coherently with Spencer's view, such an effect is fully mediated by the emotional way of listening to music.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,442
Tête enseignante GPT0,459
Écart entre enseignants0,017 · 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.

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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEmpirical Studies of the ArtsMême sujetNeuroscience and Music PerceptionTravaux en français237 207