MétaCan
Menu
Retour à la cohorte
Enregistrement W4392836602 · doi:10.30535/mto.28.3.6

A Taxonomy of Orchestral Grouping Effects Derived from Principles of Auditory Perception

2022· article· en· W4392836602 sur OpenAlexaff
Stephen McAdams, Meghan Goodchild, Kit Soden

Notice bibliographique

RevueMusic Theory Online · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensQueen's UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésOrchestrationTimbreMelodyPerceptionAuditory scene analysisMusic theoryComputer scienceStructuringMusicalCognitive psychologyPsychologyCognitive scienceCommunicationArtVisual arts

Résumé

récupéré en direct d'OpenAlex

The study of timbre and orchestration in symphonic music research is underexplored, and few theories attempt to explain strategies for combining and contrasting instruments and the resulting perception of orchestral structures and textures. An analysis of orchestration treatises and musical scores reveals an implicit understanding of auditory grouping principles by which many orchestration techniques give rise to predictable perceptual effects. We present a novel theory formalized in a taxonomy of devices related to auditory grouping principles that appear frequently in Western orchestration practices from a range of historical epochs. We develop three classes of orchestration analysis categories: concurrent grouping cues result in blended combinations of instruments; sequential grouping cues result in melodic lines, the integration of surface textures, and the segregation of melodies or stratified (foreground and background) layers based on acoustic (dis)similarities; segmental grouping cues contrast sequentially presented blocks of materials and contribute to the creation of perceptual boundaries. The theory predicts orchestration-based perceptual structuring in music and may be applied to music of any style, culture, or genre.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,076
Tête enseignante GPT0,268
Écart entre enseignants0,192 · 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

Citations41
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMusic Theory OnlineMême sujetNeuroscience and Music PerceptionTravaux en français237 207