Markers of musical expertise in a sight-reading task: An eye-tracking study.
Notice bibliographique
Résumé
Classical music pianists of five different conservatory levels, from undergraduate to professional, were tested on a sight-reading task with eye-movement recording. They had to sight read both tonal classical scores that followed the rules specific to Western tonal music, and atonal contemporary scores, which do not follow these rules. This study aimed at determining the extent to which eye movements and musical performance metrics can account for the level of sight-reading expertise. First, the results indicated that with the acquisition of expertise, musicians process visual information more rapidly (increasing their played tempo while decreasing average fixation duration and their number of fixations), more structurally (tending to increase their eye-hand span), and more accurately (increasing their sight-reading accuracy). Second, when they sight read contemporary scores compared to classical scores, musicians decreased their played tempo, tended to be less accurate, increased their number of fixations, and tended to decrease their eye-hand span. Finally, expertise effects were moderated by the type of score. These results suggest (a) that visual perception is progressively shaped through music reading expertise and through domain-specific knowledge acquisition, (b) that tonal-specific cues play a significant role to use an efficient eye-movement behavior and (c) that the benefit conferred by expert prior music-specific knowledge seems to be even greater for sight-reading tonal rather than atonal scores. Our findings are discussed in the light of expert memory theories (long-term working memory theory; Ericsson & Kintsch, 1995; template theory, Gobet & Simon, 1996). (PsycInfo Database Record (c) 2025 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».