MétaCan
Menu
Retour à la cohorte
Enregistrement W7154587747 · doi:10.48448/4cj0-rj72

Alpha band activity over the sensorimotor cortex during passive music listening correlates with beat tapping performance

2025· other· W7154587747 sur OpenAlexaff
Cognitive Science Society 2025, Francisco Cossavella, Martín Dottori, Martin Miguel, Diego Fernández Slezak

Notice bibliographique

RevueUnderline Science Inc. · 2025
Typeother
Langue
Domaine
Thématique
Établissements canadiensMcMaster UniversityArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésBeat (acoustics)PerceptionTappingActive listeningRhythmAssociation (psychology)ElectroencephalographyMotor imageryPrimary motor cortexFinger tapping

Résumé

récupéré en direct d'OpenAlex

Theories of music perception argue over whether observed motor area activation during passive music listening actively contributes to perception or is the product of a distributed representation. There is a growing amount of evidence linking Alpha rhythms in the motor cortex to action inhibition and imagination during passive music listening. In this work, we examine Alpha band power modulation and its association to beat perception using a sensorimotor synchronization task and a natural music listening task with electroencephalography (EEG). We sought to find an association between Alpha band modulation over the primary motor cortex and beat tapping performance. We found that greater Alpha power correlated with worse tapping performance. These results may point to a negative association between motor inhibition and beat perception and a complementary positive association between movement imagination and beat perception and production. We address these findings in terms of the HAPEM theory proposed by Schubotz (2003). This framework suggests that motor activation reflects a predictive representation formed from audio-motor association cortices, lacking proprioceptive information which could be acquired through musical training.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,673
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0030,008
Études des sciences et des technologies0,0070,011
Communication savante0,0020,003
Science ouverte0,0040,002
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,011
Tête enseignante GPT0,241
Écart entre enseignants0,231 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUnderline Science Inc.Travaux en français237 207