Rythme, audio-vision et pratique sportive : créer des musiques adaptées pour l’entraînement par intervalles à haute intensité (HIIT)
Notice bibliographique
Résumé
Hits for HIIT est un projet novateur à travers lequel ses deux concepteurs, à la fois professeur·es-chercheur·ses-créateur·trices en musique et sportif·ves, offrent des musiques spécialement conçues pour l’entraînement par intervalles à haute intensité, communément appelé le HIIT (High Intensity Interval Training). Dans cette forme d’entraînement, la musique occupe une place importante : la majorité des études visant à identifier ce qui accroît les bénéfices de l’entraînement par intervalles ont démontré que les pratiquant·es étaient plus performant·es en écoutant de la musique, avec ou sans paroles (Sanchez et collab. 2013), notamment parce qu’elle motive et génère des émotions positives (Karageorghis 2017; Laukka/Quick 2011). Les recherches jusqu’ici réalisées dans les relations entre musique et sport ont été principalement menées dans le domaine de la psychologie du sport (Stork et collab. 2015; Terry/Karageorghis 2011). Elles ont mis de l’avant que le fait d’écouter de la musique pendant l’exercice augmente l’affect positif, réduit l’effort perçu, retarde la fatigue, améliore la motivation, permet de maintenir le rythme cardiaque au maximum et conduit à une productivité accrue (Stork et collab. 2015; Terry/Karageorghis 2011). Pour identifier les mécanismes utilisés permettant d’expliquer, d’un point de vue psychologique, les avantages de la musique lors de l’exercice, les kinésiologues ont mis en évidence les qualités rythmiques, mélodiques et extra-musicales (ce qu’elles évoquent) de ces musiques (Karageorghis et collab. 1999), sans toutefois considérer d’autres paramètres tout aussi importants qui nécessiteraient une analyse, cette fois, musicologique : mélodie, harmonie, performances instrumentales et vocales (le cas échéant), paramètres technologiques tels que le niveau sonore et la sonie (loudness), la réverbération, l’écho, ou encore la modification du timbre (Lacasse 2010a, 152-155). À l’heure actuelle, ces musiques, toutes sélectionnées par les pratiquant·es pour leur effet sur leur propre état émotionnel, ne permettent pas de donner une suite logique et évolutive aux différentes phases d’un HIIT. Nous proposons de combler cette lacune à travers Hits for HIIT .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».