MétaCan
Menu
← Retour à la cohorte
Enregistrement W7045901825

Caractérisation des prodiges musicaux

2023· dissertation· fr· W7045901825 sur OpenAlexfundno aff

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2023
Typedissertation
Languefr
DomaineNeuroscience
ThématiqueNeuroscience and Music Perception
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésnon disponible
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les prodiges musicaux sont des musiciens qui ont atteint un niveau de performance exceptionnel, et ce avant l’adolescence. Les premières études à leur sujet ont été écrites il y a plus de 100 ans. Malgré tout, les données psychologiques sur les prodiges musicaux sont rares. Une des théories influentes concernant l’acquisition de l’expertise est celle de la pratique délibérée, selon laquelle le développement du talent se fait essentiellement avec la pratique. La précocité du talent des prodiges paraît défier cette notion et suggère la présence de prédispositions biologiques. D’autres modèles théoriques proposent une vision davantage multifactorielle du développement de l’expertise. La présente thèse vise à révéler les caractéristiques psychologiques des prodiges en utilisant une méthodologie empirique. L'objectif général est de déterminer en quoi ces musiciens exceptionnels se démarquent des autres. En premier lieu, une étude transversale avait comme objectif de déterminer si la pratique, l’intelligence et la personnalité font des prodiges des musiciens à part. Pour ce faire, nous avons recruté 19 prodiges musicaux et les avons comparés à 35 musiciens qui ont soit débuté leur pratique musicale tôt (vers 6 ans) ou plus tard (vers 10 ans), mais qui ont une quantité similaire d’année d’expérience musicale au moment de l’évaluation, ainsi qu’à 16 non-musiciens. Les participants ont tous complété une échelle d’intelligence de Wechsler, l’inventaire de personnalité du Big Five, le quotient du spectre de l’autisme, le Barcelona Music Reward Questionnaire, le Dispositional Flow Scale, et un historique détaillé de leur pratique musicale. Nos résultats indiquent qu’aucun des traits psychologiques ne distingue les prodiges des autres, hormis la propension à être dans un état de flow lors de la pratique musicale. D’autres aspects différenciant les prodiges étaient l’intensité de leur pratique avant l’adolescence, ainsi que la source de leur motivation lorsqu’ils ont commencé à jouer de leur instrument. En second lieu, nous avons étudié un virtuose de la guitare atteint du syndrome de Gilles de la Tourette, qui apprend très rapidement de nouvelles pièces. Pour ce faire, nous avons comparé sa vitesse d'apprentissage d'une nouvelle pièce à 3 autres guitaristes expérimentés et nous l'avons également comparé à un échantillon contrôle de musiciens (N = 15) sur une variété de tâches; apprentissage musical et verbal, perception musicale, mémoire de travail, QI et propension au flow. La structure et le fonctionnement de son cerveau ont également été analysés à l’aide de l’imagerie par résonance magnétique. Les résultats indiquent que le prodige peut apprendre davantage de notes que ses pairs en un temps donné, tout en étant plus musical. Celui-ci était également un des meilleurs pour percevoir et apprendre de nouvelles mélodies. Son QI était comparable à ses pairs, mais sa mémoire de travail auditivo-verbale et visuo-spatiale était supérieure à celle de ses pairs et de la population générale. Mis ensemble, nos résultats indiquent que les prodiges musicaux sont caractérisés par une diversité de trajectoires développementales, et que la pratique seule ne fait pas le prodige. Nos résultats sont compatibles avec les modèles multifactoriels de l’expertise. Plusieurs facteurs sont à l’œuvre ; la pratique intensive précoce, le flow, la motivation, et parfois la présence de conditions neurodéveloppementales et d’habiletés musicales et mnésiques supérieures. Les données suggèrent aussi que la douance musicale est un phénomène distinct de la douance intellectuelle.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,004

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 Opus0,020
Tête enseignante GPT0,215
Écart entre enseignants0,195 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)→Même sujetNeuroscience and Music Perception→Travaux en français237 207→