MétaCan
Menu
Retour à la cohorte
Enregistrement W4388537154 · doi:10.31234/osf.io/9egwk

Major-minorness in Tonal music -- Evaluation of Relative Mode Estimation using Expert Ratings and Audio-Based Key-finding Principles

2023· preprint· en· W4388537154 sur OpenAlexafffund
Tuomas Eerola, Michael Schutz

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueMusic and Audio Processing
Établissements canadiensMcMaster University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCategorical variableKey (lock)Mode (computer interface)Computer scienceSpeech recognitionMusicalSet (abstract data type)Music information retrievalPerceptionNatural language processingArtificial intelligenceMachine learningHuman–computer interactionPsychology

Résumé

récupéré en direct d'OpenAlex

Mode is a fundamental concept in Western music theory, as well as many aspects of music perception. It is foundational to tasks ranging from identifying chords, detecting cadences, and assessing form, as well as the encoding/decoding of musical emotion and expression. Here we expand the categorical notion of mode as major or minor to a continuum, an approach we refer to as relative mode. We formulate and evaluate a computational model that calculates this property from either symbolic or audio representations of music. Building on common key-finding techniques created to identify mode in a categorical manner, here we use them to infer the relative mode based on the difference between the potential key candidate strengths in major and minor keys. The model evaluation is based on a corpus consisting of excerpts from Preludes by Bach, Chopin, and Shostakovich previously assessed by expert music analysts. Our results suggest that the model is able to predict the relative mode to a degree that closely matches evaluations by experts using both audio and notated scores. A pragmatic set of parameters for the model is identified and the shortcomings and the applicability of the model to other eras and genres are discussed

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)0,007
score de la tête « metaresearch » (Gemma)0,032
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,219
Tête enseignante GPT0,376
Écart entre enseignants0,157 · 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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMusic and Audio ProcessingTravaux en français237 207