MétaCan
Menu
Retour à la cohorte
Enregistrement W4414453670 · doi:10.1093/pnasnexus/pgaf306

Body maps of the sensation of musical groove

2025· article· en· W4414453670 sur OpenAlexafffund
Maria A. G. Witek, Tomas E. Matthews, Toni Bechtold, Virginia B. Penhune

Notice bibliographique

RevuePNAS Nexus · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDanmarks Grundforskningsfond
Mots-clésEmbodied cognitionSensationPleasureFeelingMusicalRhythmMovement (music)Dance

Résumé

récupéré en direct d'OpenAlex

Rhythmic music often leads to an urge to move the body in time with the music. This urge to move can be a pleasurable experience. In psychology, we define the pleasurable wanting to move to music as groove. Here, we investigate where in the body these two groove components-movement and pleasure-are felt and whether the embodied sensations depend on the musical genre. Using a body sensation map paradigm, we found that the funk genre, which elicited high levels of groove, increased sensations across the whole body, including in the head, shoulders, upper chest, abdomen, arms, hands, hips, legs, and feet. Importantly, wanting to move and pleasure produced distinct body maps, with wanting to move associated with more sensation in the extremities and pleasure more associated with feelings in the chest and abdomen. Exploratory analyses also found an inverted U-shaped relationship between wanting to move and pleasure ratings and the rhythmic complexity of the excerpts, as indexed by pulse entropy, and that medium pulse entropy produced sensations in the upper chest, shoulders, hips, and ankles. The results are discussed in relation to theories of embodied predictive processing, highlighting the potential role of interoception in musical prediction and reward. Overall, our study shows clear patterns of embodied differentiation for different components and levels of groove.

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)0,000
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,287
Score d'incertitude au seuil0,114

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,232
Écart entre enseignants0,223 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePNAS NexusMême sujetMusic Technology and Sound StudiesTravaux en français237 207