MétaCan
Menu
Retour à la cohorte
Enregistrement W4406983555 · doi:10.1525/mp.2025.2325705

Instrument Timbre Combinations Influence the Relative Prominence of Perceptual Layers in Orchestral Music

2025· article· en· W4406983555 sur OpenAlexaff
Manda Fischer, Stephen McAdams

Notice bibliographique

RevueMusic Perception An Interdisciplinary Journal · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensMcGill UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésTimbrePerceptionPsychologySpeech recognitionCommunicationArtComputer scienceVisual artsMusicalNeuroscience

Résumé

récupéré en direct d'OpenAlex

The stratification of layers of differing prominence (foreground/background) is a common technique in orchestration. Musicians heard 23 excerpts containing foreground and background layers as previously determined by music analysts. A given layer comprised either a single auditory stream of one or more blended instruments or a harmonic or rhythmic background. Two-layer excerpts had either the same, overlapping, or different instrument families (timbre class). First, musicians rated the perceived degree of segregation of musical materials in two-layer and single-stream excerpts. Second, they heard each of the two layers in isolation and then together and rated the relative prominence of the layers. Heterogeneous instrument combinations yielded the greatest difference in relative prominence, followed by overlapping and then homogeneous combinations. Acoustic and score-based descriptors were extracted to quantify their relative contribution to perceptual stratification. Timbre class and between-layer differences in timbre and dynamics played a role, providing evidence of how timbral differences enhance relative prominence in orchestral music. Perceptual segregation was positively but very weakly related to relative prominence, supporting findings that although segregation is necessary to form layers, this mechanism is separable from that which places the streams into the same representational space to allow for the assessment of their relative prominence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,795

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,343
Écart entre enseignants0,289 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMusic Perception An Interdisciplinary JournalMême sujetNeuroscience and Music PerceptionTravaux en français237 207