Perceived and Induced Affective Responses to Musical Sounds
Notice bibliographique
Résumé
Local features of instrument family and pitch register can influence the affect a music listener perceives and feels. We investigate the effect of those features on perceived and induced affect in response to single tones (Experiment 1) and chromatic scales (Experiment 2) and explore the moderating effect of individual differences. In two online experiments, participants (N1 = 263; N2 = 152) rated their affective response on dimensional (valence, tension, energy) and discrete (anger, fear, sadness, happiness, tenderness) affect scales, and completed questionnaires to measure their pre-existing mood, personality traits (Big-Five and empathy), musical sophistication, and musical expertise. Polynomial mixed-effects analyses showed a mostly quadratic effect of register, although energy and sadness responded more linearly to changes in register. The quadratic aspect of pitch effects may explain previous discrepancies in results that considered pitch linearly. Comparing the different instrument families, (pitched) percussion was most distinctive as the most positively valenced, happy, and tender, and least fearful, sad, and angry. Affects that may be considered unpleasant were less strongly induced than perceived, which may extend the “sad music paradox” to other unpleasant affects. Musical sophistication most frequently moderated the effects of the polynomial mixed-effects models, especially the effect of instrument family. The influence of individual differences calls for future studies to recruit a representative population sample, report on the variation that is present in their sample, and/or consider the moderating effect of individual differences in their subject of interest.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».