MétaCan
Menu
Retour à la cohorte
Enregistrement W4408220423 · doi:10.18502/avr.v34i2.18054

The Perception of Pitch Contours in Typically Developing Children with and without Musical Training

2025· article· en· W4408220423 sur OpenAlexaboutno aff
Rashmi Eraiah, Devi Neelamegarajan

Notice bibliographique

RevueShinavāyī/shināsī./Shinavāyī/shināsī · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiverse Music Education Insights
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)MusicalPerceptionPsychologyAudiologyCognitive psychologyComputer scienceVisual artsArtGeographyMedicineNeuroscience

Résumé

récupéré en direct d'OpenAlex

Background and Aim: Musical training causes neuroplasticity changes which are transferred to other modalities like- audition, cognition. All the musical tests use musical stimuli, which can be challenging for children without musical training due to the unfamiliarity of the stimuli. Dynamic stimuli like pitch contours, mimic musical stimuli. Hence the present study aimed to investigate the perception of pitch contour for different tonal stimuli in typically developing children with and without musical training. Methods: Children aged 9–13 years were categorized into two groups: Group I (with formal musical training) and Group II (without musical training). Musical abilities were assessed using the Montreal Battery for Evaluation of Music Abilities (MBEMA) test, with melody, rhythm, and memory subtests. The melody and rhythm subtests had discrimination of musical tones, while the memory subtest had identification of familiar melodies from previous subtests. Pitch contours for tonal stimulus were generated using PRAAT software. These contours consisted of tone sweeps representing nine patterns (rising, rising-flat, rising-falling, flat, flat-rising, flat-falling, falling, falling-flat, and falling-rising) for 500 Hz, 1, and 2 kHz tones. Children were familiarized with these contours and tested using closed- set identification task using DMDX software. Results: Group I outperformed Group II in both musical ability and pitch contour identification tests. MANOVA revealed significant differences in MBEMA and pitch contour identification between the groups. Conclusion: The contour perception of the different pitch shows evident differences induced by musical training. It is proposed to assess the musical ability of the individual with the tonal pitch contours.Keywords: Perception; pitch contours; musical training

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,039
Tête enseignante GPT0,260
Écart entre enseignants0,221 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueShinavāyī/shināsī./Shinavāyī/shināsīMême sujetDiverse Music Education InsightsTravaux en français237 207