Rythme, audio-vision et pratique sportive : créer des musiques adaptées pour l’entraînement par intervalles à haute intensité (HIIT)
Bibliographic record
Abstract
Hits for HIIT est un projet novateur à travers lequel ses deux concepteurs, à la fois professeur·es-chercheur·ses-créateur·trices en musique et sportif·ves, offrent des musiques spécialement conçues pour l’entraînement par intervalles à haute intensité, communément appelé le HIIT (High Intensity Interval Training). Dans cette forme d’entraînement, la musique occupe une place importante : la majorité des études visant à identifier ce qui accroît les bénéfices de l’entraînement par intervalles ont démontré que les pratiquant·es étaient plus performant·es en écoutant de la musique, avec ou sans paroles (Sanchez et collab. 2013), notamment parce qu’elle motive et génère des émotions positives (Karageorghis 2017; Laukka/Quick 2011). Les recherches jusqu’ici réalisées dans les relations entre musique et sport ont été principalement menées dans le domaine de la psychologie du sport (Stork et collab. 2015; Terry/Karageorghis 2011). Elles ont mis de l’avant que le fait d’écouter de la musique pendant l’exercice augmente l’affect positif, réduit l’effort perçu, retarde la fatigue, améliore la motivation, permet de maintenir le rythme cardiaque au maximum et conduit à une productivité accrue (Stork et collab. 2015; Terry/Karageorghis 2011). Pour identifier les mécanismes utilisés permettant d’expliquer, d’un point de vue psychologique, les avantages de la musique lors de l’exercice, les kinésiologues ont mis en évidence les qualités rythmiques, mélodiques et extra-musicales (ce qu’elles évoquent) de ces musiques (Karageorghis et collab. 1999), sans toutefois considérer d’autres paramètres tout aussi importants qui nécessiteraient une analyse, cette fois, musicologique : mélodie, harmonie, performances instrumentales et vocales (le cas échéant), paramètres technologiques tels que le niveau sonore et la sonie (loudness), la réverbération, l’écho, ou encore la modification du timbre (Lacasse 2010a, 152-155). À l’heure actuelle, ces musiques, toutes sélectionnées par les pratiquant·es pour leur effet sur leur propre état émotionnel, ne permettent pas de donner une suite logique et évolutive aux différentes phases d’un HIIT. Nous proposons de combler cette lacune à travers Hits for HIIT .
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".