How Familiarity, Musical Affinity, and ADHD Shape Adolescents’ Perception of Musical Emotions
Notice bibliographique
Résumé
Music serves as a powerful tool for emotion regulation, particularly in adolescents, who experience emotional challenges. Understanding the determinants shaping their perception of musical emotions may help optimize music-based interventions, especially for those with ADHD. This online study examined how familiarity, musical affinity, and ADHD diagnosis influence adolescents' judgments of musical excerpts in terms of arousal and emotional valence. A total of 138 adolescents (38 ADHD, 100 controls) rated 55 excerpts for arousal, valence, and familiarity using 10-point Likert scales. Musical affinity was conceptualized as a multidimensional construct encompassing musical experience, listening diversity, and receptivity to musical emotions. A cluster analysis identified two affinity profiles (low and high), and ANCOVAs tested the effects of affinity, ADHD, and familiarity on arousal and valence judgments. Familiarity strongly affected both arousal and valence. High-affinity adolescents judged excerpts as more pleasant and familiar, though arousal ratings did not differ between affinity profiles. Familiarity effects on emotional valence were stronger among lower-affinity adolescents. ADHD status did not significantly affect ratings. Overall, the study underscores music's potential for emotion regulation and its relevance in educational, clinical, and self-care contexts.
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 | 0,000 | 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».