Duration, Sequence and Beat Perception across Modalities
Notice bibliographique
Résumé
Certain rhythmic sequences spontaneously induce the perception of a beat: a psychologically salient pulse that marks equally spaced points in time. However, individuals vary considerably in beat perception ability. This variability may arise from variability at multiple levels of a perceptual timing hierarchy of durations, sequences and beat. Specifically, variability could reflect individual differences in basic duration perception, even for single intervals, as single intervals are the building blocks for sequences. Alternatively, it could relate to differences in the timing or recall of temporal sequences despite good single-interval timing, as a sequence needs to be encoded accurately for an underlying beat to be perceived. Finally, it is possible that beat perception variability is specifically related to listeners' ability to extract the beat from temporal sequences. To determine whether evidence supports this three-level perceptual timing hierarchy, and how beat perception ability relates to single-duration and sequence perception ability, we tested performance on single-interval timing, nonbeat sequence timing, and beat sequence timing tasks using a three-alternative forced-choice paradigm. Moreover, we presented both visual and auditory stimuli to determine whether perceptual abilities across sensory modalities are related or independent. We applied a k-means clustering algorithm to partition participants based on task performance. The results support the three-level perceptual hierarchy in the auditory modality, and that beat perception deficits can arise from deficits at any level of the hierarchy. However, the hierarchy did not hold for the visual modality, suggesting rhythm and beat perception vary across modalities.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».