MétaCan
Menu
← Retour à la cohorte
Enregistrement W7017620446

Auditory-motor integration in music performance, learning, and memory

2013· dissertation· en· W7017620446 sur OpenAlexfundno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2013
Typedissertation
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésAuditory scene analysisPerceptionAuditory feedbackContext (archaeology)Auditory perceptionSequence (biology)Movement (music)MelodyEchoic memoryNeurocomputational speech processing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Auditory-motor skills such as speaking or playing a musical instrument require skill in processing auditory outcomes and performing actions that produce those outcomes. A growing body of evidence suggests that perception and production components of auditory-motor skill are integrated by reciprocal auditory-to-motor and motor-to-auditory interactions. Much remains unknown about how complex auditory sequences map to complex movement sequences such as those required of speech or music performance. Less still is known about how auditory-motor interactions influence the way skilled performers learn and remember novel auditory-motor sequences. The research described in this thesis examined these questions in the context of music performance. Music performance is a common and complex auditory-motor behavior that presents a useful model for examining human auditory-motor capabilities as it requires precise control of both pitch and temporal sequences of events. Three studies examined how auditory-motor interactions influence the way skilled musicians map pitch and temporal sequences to movements and the way musicians learn and remember music. The first study examined how auditory pitch and temporal sequence structure in music engage motor neural networks in auditory-motor interactions (Chapter 2). This study revealed motor networks that are sensitive to both pitch and temporal structure when musicians listen to and subsequently perform music. This finding suggests that the motor system integrates multiple dimensions of auditory sequence structure when performers map auditory sequences to motor sequences. The second study examined how performers use auditory and motor information to learn auditory sequences (Chapter 3). This study revealed that musicians better recognize auditory sequences that they hadlearned while producing them with auditory feedback than while hearing them only, indicating that motor learning facilitates subsequent auditory memory for skilled performers. The third study examined how individual differences in auditory and motor imagery abilities influence the way musicians learn novel music and subsequently remember that music (Chapter 4). This study revealed that auditory imagery abilities help performers learn novel music by compensating for missing sound and reducing sensitivity to interfering information; auditory imagery abilities also help performers recall music during performance with greater temporal regularity. Overall, these results suggest that auditory imagery abilities aid learning and subsequent recall of music differently. Together, these studies illuminate how auditory-motor integration functions in skilled performance and how it contributes to auditory-motor sequence learning and memory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,252
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)→Même sujetNeuroscience and Music Perception→Travaux en français237 207→