The cognitive, affective, and motoric correlates of rhythmic complexity
Notice bibliographique
Résumé
Although a great deal of research has delved into the perception of rhythm and metre, relatively few studies have focused on how listeners perceive and aesthetically evaluate complex musical rhythms. Here, we ask what it means to perceive something as rhythmically complex, and whether there are affective, cognitive, and motoric correlates of rhythmic complexity in the context of twentieth-century music from Europe and North America. This paper examines how listeners respond to complex polyrhythms in terms of how they convey ‘mood’, ‘energy’, and ‘movement’, as well as three descriptors borrowed from Bartel’s (Citation1992) Cognitive-Affective Response Test (‘exciting’, ‘structured’, and ‘complex’). Listeners’ ratings are compared with features derived from a corpus of short polyrhythmic examples analysed using a number of possible metrics for structural ‘complexity’. The findings point to significant effects of selected rhythmic variables, such as composite event density (notes per seconds in human performance), nested ratio (proportion of coinciding events across parts), as well as the ratio of event density and the differential in note-to-note variability between component rhythmic layers. Composite event density and nested ratio were positively correlated with most rated qualities, while event density ratio and note-to-note variability had variegated effects. Effects of several pitch-related features such as pitch height and sonority dissonance, as well as more basic aspects (duration and number of staves) were also observed. This paper argues that elements of rhythmic complexity play a significant role on perceived affective, cognitive, and motoric qualities of music, and proposes methods and measurements for further investigation.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».