박자에 대한 감각 신호 없이 박자 인식 테스트: 박자-드롭 정렬 테스트(BDAT) 파트 1
Sep 21, 2023
추상적인
비트 인식은 내부 시간 유지 메커니즘, 청각-운동 상호 작용 및 인지 측면을 보여주는 창 역할을 할 수 있습니다. 비트 인식의 한 측면은 내부 펄스의 은밀한 지속입니다. 박자 인식에 대한 몇 가지 인기 있는 테스트 중 어느 것도 이 은밀한 연속 기능에 대한 만족스러운 테스트를 제공하지 않습니다.
내부 타이밍 메커니즘과 메모리 사이에는 밀접한 관계가 있습니다. 내부 타이밍 메커니즘은 인체의 본능입니다. 이는 사람들이 시간의 흐름을 특정 방식으로 인식하도록 돕고, 시간의 흐름에 대한 인식과 관련된 기억 기능도 강화하게 됩니다.
어떤 사건에 대한 시간의 흐름을 더 명확하게 인식할 때 그 사건에 대한 우리의 기억은 더 깊어질 것입니다. 우리의 뇌는 사건의 구체적인 내용을 기록할 뿐만 아니라 그 순간 사건의 시간을 평가하고 사건을 더 잘 기억할 수 있도록 타임라인을 개발합니다.
우리의 두뇌는 내부 타이밍 메커니즘 덕분에 학습하고 기억하는 데 더 효율적입니다. 우리는 공부할 때 시간 할당을 더 잘 제어할 수 있고, 시간 분산 문제와 집중력 부족 문제를 피할 수 있으며, 무언가를 기억해야 할 때 관련 기억 조각을 더 쉽고 빠르게 찾을 수 있습니다.
또한 내부 타이밍 메커니즘은 더 나은 시간 관리 기술을 개발하는 데 도움이 되어 삶의 리듬을 더 잘 조정하고 시간을 최대한 활용하며 작업 효율성을 향상시킬 수 있습니다.
요약하면, 내부 타이밍 메커니즘과 메모리 사이에는 강한 연관성이 있으며, 이 연결을 극대화하려면 이 메커니즘에 주의를 기울이고 최대한 활용해야 합니다. 모든 사람이 내부 타이밍 메커니즘을 사용하는 방법을 배우면 기억력이 날카로워지고 삶과 일에서 더 효율적이고 성공할 수 있습니다. 기억력 향상이 필요하다고 볼 수 있는데, Cistanche Deserticola는 아세틸콜린 수치와 성장인자 수치를 높이는 등 신경전달물질의 균형도 조절할 수 있기 때문에 기억력을 크게 향상시킬 수 있습니다. 이 물질은 기억과 학습에 매우 중요합니다. 또한 고기는 혈류를 개선하고 산소 전달을 촉진하여 뇌에 충분한 영양분과 에너지를 공급하여 뇌의 활력과 지구력을 향상시킬 수 있습니다.
현재 연구에서는 은밀한 펄스 지속에 초점을 맞춘 새로운 비트 인식 테스트인 BDAT(Beat-Drop Alignment Test)를 제안합니다. 이 테스트에서 참가자는 음악 발췌 부분에서 비트를 식별한 다음 단일 프로브가 비트에 해당하는지 여부를 판단해야 합니다. 프로브는 리듬 이벤트가 없을 때 음악의 리듬 구성 요소가 짧은 휴식 시간 동안 발생하므로 참가자는 로컬 음향 타이밍 단서가 없을 때 유지되는 내부 펄스를 기준으로 비트 정렬을 판단해야 합니다. 여기서는 BDAT에 대한 두 가지 대규모(N > 100) 테스트를 제시합니다.
첫 번째로 테스트 항목 매개변수(예: 프로브 변위)가 성능에 미치는 영향을 살펴봅니다. 두 번째에서는 BDAT 적응형 버전의 점수를 컴퓨터화된 CA-BAT(적응형 비트 정렬 테스트) 점수 및 음악 경험 지수와 연관시킵니다. 음악적 경험 지수는 BDAT 점수의 예측 변수로서 CA-BAT 점수를 능가하며, 이는 BDAT가 경험에 더 의존적인 비트 인식의 뚜렷한 측면을 측정하고 작업 기억 및 음악적 이미지와 같은 인지 자원을 다른 방식으로 끌어낼 수 있음을 시사합니다. 박쥐. BDAT는 비트 인식에 대한 향후 행동 및 신경 연구에 유용할 수 있으며 모든 자극과 코드는 무료로 다운로드할 수 있습니다.
키워드
음악인지. 인식을 이길 수 있습니다. 감각 운동 능력.
소개
음악 비트 인식에는 음악 추출에서 기본 주기 펄스를 추론하고 음악이 전개될 때 각 비트의 타이밍을 예상하는 것이 포함됩니다(Patel & Iversen, 2014). 비트 인식은 음악 인식의 핵심 측면이며 일반 인구의 타고난 능력입니다(PhillipsSilver et al., 2011). 그러나 비트 인식 능력에는 상당한 차이가 있습니다(Sowiński & Dalla Bella, 2013).
어떤 경우에는 개인이 정확한 박동 추적 및 동기화가 필요한 작업을 수행하는 데 극도의 어려움을 보이거나(Palmer et al., 2014; Phillips-Silver et al., 2011), 운동 동기화의 손상 없이 리듬 인식이 좋지 않을 수 있습니다(Bégel et al. al., 2017).
음악 비트를 인식하는 능력을 이해하면 인간의 시간 유지 메커니즘과 시간적 적응 모델에 정보를 제공할 수 있습니다(Palmer et al., 2014). 이러한 메커니즘은 주의 수준 및 학습(Taatgen et al., 2007)을 포함하여 특정 행동 및 인지 특성(예: 충동성, Allman & Meck, 2012)과 연결되어 있습니다. 더욱이, 시간 지각의 결함은 여러 신경학적 및 정신 질환(예: 파킨슨병, 정신분열증, 주의력 결핍 과잉 행동 장애, 자폐증; Allman & Meck, 2012; Breska & Ivry, 2018; Grahn & Brett, 2009; Puyjarinet et al)과 관련이 있습니다. al., 2017; Turgeon et al., 2012), 비정형 리듬 타이밍 능력은 일부 아동기 언어 장애(예: 난독증, 말더듬, 발달 언어 장애; Ladányi et al., 2020)와 관련이 있습니다.
이러한 이유로 비트 인식 능력의 평가는 교육(Ladányi et al., 2020; Ozernov-Palchik et al., 2018)뿐만 아니라 임상 환경(Cochin De Cock et al., 2018)에서도 관심이 있습니다. 비트 인식 테스트는 두 가지 상황 모두에서 유용한 도구 역할을 할 수 있습니다. 비트 인식에 대한 신뢰할 수 있는 측정의 필요성은 비트 정렬 테스트(BAT; Iversen & Patel, 2008), Harvard 비트 평가 테스트(H-BAT)를 포함하여 지난 10여 년 동안 개발된 비트 인식 테스트의 수에서 분명합니다. Fujii & Schlaug, 2013) 및 청각 감각 운동 타이밍 능력 평가를 위한 배터리(BAASTA; Dalla Bella et al., 2017)는 BAT를 타이밍 능력에 대한 여러 다른 지각 및 생산 기반 측정과 결합합니다.
특히, BAASTA에 대한 연구에서는 BAT의 성능이 간격 타이밍 테스트와 상관 관계가 없지만 리듬 자극에 대한 페이스 태핑 성능과 상관 관계가 있음을 발견했습니다. 이는 BAT가 비트 기반 타이밍 메커니즘에 민감하다는 것을 시사합니다(Dalla Bella et al ., 2017; Fiveash et al., 2022 참조). 최근에는 적응형 비트 정렬 테스트(A-BAT; Ross et al., 2018)와 컴퓨터화된 적응형 비트 정렬 테스트(CA-BAT; Harrison & Müllensiefen, 2018)라는 두 가지 업데이트된 BAT 버전이 개발되었습니다. 우리는 Amusia 평가를 위한 몬트리올 배터리(MBEA; Peretz et al., 2003)의 리듬 및 박자 하위 테스트가 최근 Peretz와 동료(Tranchant et al., 2021).
인간의 리듬 능력은 최근 다차원적인 것으로 나타났습니다. 개인의 리듬 능력은 리듬 생성, 시퀀스 메모리 기반 리듬 인식 및 비트 기반 리듬 인식의 독립적인 축에 따라 다릅니다(Fiveash et al., 2022; Tierney & Kraus , 2015). 그러나 이러한 하위 기술조차도 독립적인 숙련도로 구성될 수 있습니다. 박자 인식을 식별하고 유지하는 과정은 잘 알려져 있지 않지만 청각 특징 처리, 지속 시간 측정, 내부적으로 유사한 지속 시간 생성의 복잡한 상호 작용이 포함될 가능성이 높으며, 이를 통해 청취자는 복잡한 리듬을 통해 박자를 계속 인식할 수 있습니다. 모든 비트는 사운드 이벤트로 표시됩니다(Cannon & Patel, 2021).
기존 비트 인식 테스트는 다른 비트 인식 테스트를 희생하여 비트 인식의 이러한 측면 중 일부를 강조합니다. 예를 들어, BAT는 참가자들에게 음조의 규칙적인 순서가 음악 발췌의 비트에 있는지 여부를 결정하도록 요청합니다. 참가자는 음의 타이밍을 음악의 비트와 관련된 지역 음향 특징과 비교하는 전략을 채택함으로써 성공할 수 있습니다. 따라서 이 테스트를 통과하려면 내부적으로 정확한 타이밍으로 펄스를 지속하는 능력보다 비트와 관련된 음향 이벤트를 인식하는 것이 더 중요할 수 있습니다.
규칙적인 클릭 또는 톤을 사용하는 지각 작업(예: BAASTA에 포함된 등시성 감지 작업; Dalla Bella et al., 2017)은 지속 시간의 측정 및 생성을 강조하지만 복잡한 음향에서 자발적으로 끌어온 펄스를 지속하는 능력을 테스트하지 않습니다. 음악의 특징. 이러한 구별은 매우 중요할 수 있습니다. 비등시성 감지는 연속된 시간 간격을 간단히 비교하여 수행할 수 있으며, 일부 참가자는 간단한 메트로놈 클릭으로 동기화할 수 있지만 박동 청각 장애의 경우처럼 음악에서 박자를 추출할 수 없습니다. Phillips-Silver 등이 보고했습니다. (2011).
이 문서에서는 은밀한 음악으로 유발된 펄스 연속 프로세스에 초점을 맞추는 것을 목표로 하는 새로운 BDAT(Beat Drop Alignment Test)의 개발을 보고합니다. BDAT는 자연주의적인 음악 자극을 사용하고 참가자들에게 단일 조사 이벤트가 음악 비트에 해당하는지 여부를 판단하도록 요청합니다. 결정적으로, 프로브는 첫 번째 박자 이후 모든 리듬 단서가 제거된 음악 막대 내에서 발생하므로 프로브의 정렬을 국지적으로 눈에 띄는 음향 이벤트로 판단하여 작업을 수행하는 능력이 제거됩니다. 따라서 BDAT를 잘 수행하려면 참가자는 (1) 음악 비트의 정신적 표현을 추출하고, (2) 비트에 대한 감각 단서가 없을 때 짧은 기간 동안 정확한 타이밍으로 이 정신적 표현을 계속해야 하며, ( 3) 비트에 대한 정신적 표현을 단일 프로브 사운드와 비교합니다.
비트 처리 문헌의 결과에 따라 우리는 이 테스트 항목의 난이도가 주로 세 가지 요소, 즉 목표 비트에서 프로브 변위 정도(Harrison & Müllensiefen, 2018), 프로브 변위 방향에 따라 달라질 것이라고 가정합니다. 목표 비트(초기/후기; Van Der Steen et al., 2014) 및 목표 비트의 미터법 강도(Patel et al., 2005). 또한, 우리는 음악이나 댄스에 대한 광범위한 훈련을 받은 개인이 일반 대중에 비해 BDAT 작업에서 우수한 성능을 보일 것이며 BDAT의 성능은 음악 경험 수준(즉, 일반적인 음악적 정교함; GMS)는 Gold-MSI로 측정됩니다(Müllensiefen et al., 2014).
BDAT의 추가 특징
BDAT에는 비트 인식 테스트 관점에서 다른 매력적인 기능이 있습니다. 첫째, 자연주의적인 음악 트랙을 사용합니다. 다양하고 복잡한 악기를 사용함으로써 BDAT는 청취자의 관심을 유지하고 각 시도에서 단순하고 음색적으로 균일한 소리를 사용하는 정신물리학적 타이밍 작업에서 발생할 수 있는 피로를 피하는 것을 목표로 합니다. 둘째, 신속하게 시행됩니다. BDAT는 15분을 초과하지 않으며 7분 정도로 짧을 수 있습니다. 적응형 테스트로 구성되었기 때문에 테스트 길이(항목 수)와 기간(분)이 유연하여 최단 시간에 최고의 테스트 효율성을 보장합니다. 셋째, BDAT는 비트 시간을 명확하게 정의했습니다.
BDAT 자극은 신디사이저를 사용하여 테스트를 위해 특별히 생성되었기 때문에 비트 위치는 전자 악기를 정렬하는 데 사용되는 MIDI 그리드를 기반으로 했으며 프로브 사운드는 이러한 비트 위치를 기준으로 배치되었습니다. 컴퓨터 생성 자극은 이전에 BAASTA(Dalla Bella et al., 2017)에서 사용되었지만 BAT, A-BAT 또는 CA-BAT에서는 사용되지 않았습니다. 넷째, CA-BAT와 달리 BDAT는 단일 대안 강제 선택(1-AFC) 작업 패러다임을 사용합니다. 참가자는 CA-BAT에서처럼 두 자극을 비교하는 판단을 내리는 대신 각 자극을 한 번 듣습니다. 이로 인해 시험 기간이 비교적 짧아지고 참가자의 작업 기억 부하가 줄어듭니다. 마지막으로, BDAT는 박자 강도에 대한 국지적 음향 단서가 없을 때 박자 인식에 대한 묵시적 박자의 영향을 조사할 수 있게 해줍니다.
연구 설계
연구 1(보정)의 목적은 주요 BDAT 패러다임을 구성하고 설명 항목 반응 이론(IRT) 모델을 추정하기 위한 데이터를 얻는 것이었습니다. 설명적 IRT는 가정과 가설을 평가하여 테스트의 타당성에 기여합니다. 또한 설명적 IRT 모델은 나중에 적응형 테스트에서 참가자 능력을 추정하는 데 사용되는 테스트 항목의 난이도를 추정하기 위한 기초를 제공합니다.
이전 연구(예: Nguyen, 2017)는 비트 처리 능력이 광범위한 음악 교육을 받은 개인과 일반 대중 사이에서 다르다는 것을 시사합니다. 따라서 연구 1의 두 번째 목표는 이 두 그룹의 BDAT 성능이 다른지 여부를 조사하는 것이었습니다.
연구 2는 BDAT 성능으로 측정한 비트 인식, CA-BAT 성능으로 측정한 비트 인식, Gold-MSI 설문지를 기반으로 한 자체 보고된 음악적 정교함이라는 세 가지 측정값 간의 관계를 탐색하는 것을 목표로 했습니다. 이 정보는 BDAT에 의해 정량화되는 능력의 특성을 이해하는 데 중요합니다.
연구 1
행동 양식
참가자들
온라인 실험에는 총 1361명의 참가자가 모집되었습니다. 응답이 불완전한 11명의 참가자는 데이터 분석 단계에서 무시되어 125명의 참가자가 남았습니다. 즉, 여성이 72명, 남성이 53명, 연령 범위는 18~66세(M=30.06, SD=8)입니다. 79). 참가자는 소셜 미디어와 이메일 초대를 통해 모집되었습니다. 표본은 자칭 음악가 40명(32%), 댄서 19명(15.2%), 자신을 음악가 또는 댄서로 밝히지 않은 개인 64명(51.2%), 이 사실을 공개하지 않기를 원하는 개인 2명(1.6%)으로 구성되었습니다. 정보.
참가자는 현재 고등교육기관에서 음악 또는 무용 학위를 취득하기 위해 공부하고 있거나 해당 기관을 졸업한 경우 또는 해당 분야에서 음악 또는 무용 활동에 적극적으로 참여한 경험이 10년 이상인 경우 음악가 또는 무용수로 간주됩니다. 전문적 또는 준전문적 환경. 모든 참가자는 연구 참여에 대한 사전 동의를 제공했습니다.
재료
BDAT 30개의 참신한 음악 트랙은 제1저자가 Ableton Live 10을 사용하여 현대 일렉트로닉 댄스 음악(EDM) 스타일로 작곡하고 합성했습니다. 클립은 보컬 없이 자연스러운 음악적 자극이 되도록 제작되었으므로 다양한 악기와 음향 효과가 포함되어 있습니다. 그리고 다양한 음색을 사용했습니다. 왼쪽과 오른쪽 채널 모두에서 사운드가 동일했습니다. 모든 음악 이벤트는 타이밍 정확성을 보장하기 위해 MIDI 그리드에 정렬되었습니다. 모든 클립은 6마디의 음악으로 구성되었으며 125bpm 템포(즉, 비트 간 480ms)의 4/4 박자를 사용하여 구성되었으며, 그 결과 약 11.5-초 길이의 클립이 생성되었습니다. 현대 댄스 음악의 표준으로 공통 시간(4/4)을 선택하고, 템포(클럽에서 듣는 EDM 범위)는 125bpm을 가장 큰 것으로 확인한 소규모 파일럿 연구 결과를 바탕으로 결정했습니다. 선택한 음악 스타일에 맞는 자연스러운 사운드 템포.2
모든 클립은 다음과 같은 방식으로 구성되었습니다. 음악 자료는 마디 1~3에 소개되었고, 마디 4에는 비트 드롭(비트 2~4의)이 포함되었으며 이 비트 드롭 동안 프로브 사운드가 정렬되거나 잘못 정렬되었습니다. 기본 비트와 마디 5~6에서 음악 자료가 반환되었습니다. (프로브 사운드는 F2, 지속 시간=120 ms, 그림 1에서 피치를 맞춘 16분 음표 지속 시간의 목판이었습니다.) 비트 드롭은 짧은 기간 동안 대부분의 소리가 갑자기 사라지는 현상으로, 일렉트로닉 댄스 음악에서 음악적 긴장감을 조성하기 위한 작곡 장치로 가장 일반적으로 사용됩니다. 비트 드롭 중에는 리듬 신호가 없었지만 리드미컬하게 모호한 소리(예: 드론)가 존재하여 4비트 간격을 채우고 리듬 복귀에 대한 기대감을 높이는 데 도움이 되었습니다.
네 번째 마디의 프로브는 음악의 비트와 일치하도록 배치되거나(ON 조건) 비트에서 멀리 이동되었습니다(OFF 조건). ON 조건에서 탐침은 3번째(강한) 박자 또는 4번째(약한) 박자에 배치되었습니다(Palmer & Krumhansl, 1990). OFF 조건에서는 미터법 강도(강함/약함, 프로브가 3번째 또는 4번째 비트에서 멀리 조작됨), 프로브 변위 방향(초기/늦음, 프로브가 전후에 배치됨) 매개변수를 조작하여 변형이 생성되었습니다. 비트), 프로브 변위(실제 비트 위치로부터의 변위 정도, 그림 1 및 보충 사운드 예 참조).
프로브 변위 설정
프로브 변위는 박동 주기 단위로 측정되었으며 7단계로 박동 주기의 15%~45% 범위였습니다. Harrison과 Müllenseifen(2018)이 언급한 바와 같이 탐침 변위(비트 단위의 %)와 지각 어려움 사이의 관계는 선형이 아니므로(자세한 내용은 Harrison & Müllensiefen, 2018 참조), 따라서 탐침 변위 지점은 다음을 통해 설정되었습니다. 물리적 프로브 변위와 인지된 어려움 사이의 관계를 설명하는 인지 정확도 척도의 동일한 거리이며 다음 공식으로 표현됩니다.
백분율로 표현된 이러한 계산 결과는 15%, 18%, 20%, 23%, 26%, 31%, 45%의 변위 지점으로 나타났습니다. 이러한 수준은 변위 청력 역치(Harrison & Müllensiefen, 2018)보다 높고 변위가 50% 미만이므로 선택되었습니다(리듬 이벤트의 빈번한 위치인 박자 사이의 정확히 중간에 발생하는 이벤트는 "위에서"로 오해될 수 있기 때문입니다). 이기다"). 또한 세 번째 박동 이후의 50% 변위는 네 번째 박동 이전의 50% 변위와 일치하며 이러한 개념적 중복은 이후 분석을 방해합니다.
실험 자극의 변형은 Python으로 코딩된 자동화된 항목 생성을 사용하여 생성되었습니다. 30개 트랙 각각에 대해 2개의 ON 및 28개의 OFF 변형이 제작되어 총 900개의 항목(오디오 클립)이 생성되었습니다.
앞서 언급한 바와 같이 테스트에는 {{0}}AFC 패러다임이 사용되었습니다. 참가자들은 30개의 음악 클립을 듣고 프로브가 비트에 맞춰졌는지 아니면 벗어났는지 대답했습니다. 정답은 모두 1점, 오답은 모두 0점입니다. 참가자는 30개의 트랙을 각각 한 번씩 들었습니다. 각 트랙은 50% 확률로 ON 또는 OFF 상태로 표시되었습니다. OFF 트랙에 대한 섭동은 28개 옵션 중에서 무작위로 선택되었습니다. 즉, 비트 3 이전에 프로브가 오는 7가지 옵션(초기/강한 비트), 비트 3 이후에 프로브가 오는 7가지 옵션(늦은/강한 비트), 비트 4(초기/약한 비트) 앞에 프로브가 오고, 비트 4(늦은/약한 비트) 뒤에 프로브가 오는 7가지 옵션이 있습니다.
BDAT는 다운로드하여 설치할 수 있습니다(https://github.com/klausfrieler/BDT/). 모든 BDAT 자료는 온라인(https://osf.io/jpc29/)에서 액세스할 수 있습니다.
Gold-MSI 참가자의 음악적 정교함 수준을 평가하기 위해 Goldsmiths Musical Sophistication Index가 사용되었습니다(Gold-MSI; Müllensiefen et al., 2014). GoldMSI는 적극적인 참여, 지각 능력, 음악 훈련, 노래 능력 및 감정이라는 5가지 차원에서 광범위한 자체 보고 음악 기술 및 행동을 평가합니다. 연구 1은 두 가지 하위 척도만 사용했습니다. 음악 교육(Gold-MSI_MT)은 음악 교육 및 연습 정도를 평가하는 7개 항목으로 구성되며, 지각 능력(Gold-MSI_PA)도 사용되었습니다. 인지적, 지각적 음악적 능력에 대한 자가평가를 나타내는 9개 항목으로 구성되어 있습니다. 이 체중계는 다운로드할 수 있습니다.
절차
실험은 Qualtrics 설문조사 플랫폼을 사용하여 온라인으로 진행되었습니다. 참가자들은 ON 상태에서 먼저 제시된 다음 OFF 상태에서 제시된 샘플 트랙을 들으면서 사전 동의를 제공하고 작업에 익숙해졌습니다. 그들은 헤드폰을 사용하도록 요청받았으며 음악의 비트에 맞춰 두드리거나 움직이지 말 것을 요청받았습니다. 음악의 움직임이 비트 인식에 영향을 미치는 것으로 입증되었기 때문입니다(Manning & Schutz, 2013; Morillon et al., 2014). BDAT 다음에는 Gold-MSI 설문지가 이어졌습니다. 또한 참가자들은 테스트 난이도를 7-Likert 척도로 평가하도록 요청받았습니다. 1은 쉽고 7은 매우 어렵습니다.
For more information:1950477648nn@gmail.com
