Influence of auditory working memory in discriminating children with good musical abilities from children with poor musical abilities
Notice bibliographique
Résumé
Abstract Purpose: Musical abilities are associated with the perception of complex acoustic features in an auditory scene, which requires a good load of cognitive processing. Musical sleepers (individuals with good musical abilities without formal music training) were proven to be in adults, and their enhanced cognitive abilities were established, but such a phenomenon in children is not explored yet. Hence, the present study was carried out to assess auditory working memory (AWM) abilities in children with widespread musical abilities. Materials and Methods: Twenty-nine children within the age range of 7–13 years participated in the study. The children’s musical abilities were assessed using the Montreal Battery for Evaluation of Musical Abilities and scores were recorded. Sixteen and thirteen children were categorized into individuals with good and poor musical abilities, respectively, based on the 50th percentile score as the cutoff. The tests for AWM, such as forward span, backward span, and N-back, were administered. Results: Point biserial correlation showed that groups had a significant positive association with forward span ( r = 0.65; P = 0.00), backward span test ( r = 0.41; P = 0.02), and N-back test ( r = 0.70; P = 0.00). Multivariate analysis of variance (MANOVA) indicated a significant main effect of groups, and post hoc analysis showed that children with good musical abilities outperformed the ones with poor musical abilities in all three working memory measures. Further, Fisher’s discriminant analysis revealed that the N-back test, with discriminant coefficient of 0.75, is the best auditory-cognitive predictor of musical abilities in children. Conclusions: Children who had no musical training exhibited better musical ability. This may be mediated by improved AWM, but an additional investigation into the relationship between musical aptitude and other psychophysical abilities in children without musical training is necessary.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».