Caractérisation des prodiges musicaux
Bibliographic record
Abstract
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.
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 | 0.001 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 0.004 |
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".