Ryhdin havaitsemisen testaaminen ilman aistinvaraisia ​​vihjeitä lyönnille: Beat-Drop Alignment Test (BDAT) osa 2

Tulokset

Alustavat analyysit

Yhteensä 104 henkilöä suoritti tutkimuksen 1 kokonaan ja 21 muuta vastasi 29:ään 30 ärsykkeestä, joten heidän tietonsa sisällytettiin analyysiin. Väestötiedoista, Gold-MSI-kyselystä tai testin vaikeusarvioinnista ei puuttunut tietoja. Vaikeusaste vaihteli 1:stä 7:ään (M=4.28, SD=1.59), jossa 1 tarkoitti erittäin helppoa ja 7 erittäin vaikeaa. Vaikeusarviot korreloivat musiikillisen koulutuksen tason kanssa, ja musiikillisesti koulutetut osallistujat arvioivat testin helpommaksi kuin musiikillisesti kouluttamattomat osallistujat (r=−.406, p < .001). Raakatestin tulokset vaihtelivat välillä 7–30 oikein 30 kokeesta (M=18.74, SD=3.96). Kaikki osallistujat vaikeusarvioiden ja raakatestin tulosten välinen korrelaatio oli merkittävä (r=−.216, p=0,016), mikä osoittaa, että korkeammat havaitut vaikeusarviot liittyivät testin huonompaan suoritukseen.

Musiikilla on osoitettu olevan tietty vaikutus aivoihin ja sillä on merkittävä rooli harjoittelussa ja muistin parantamisessa. Musiikkiharjoittelu voi tarjota monia etuja lapsen älyllisestä kehityksestä vanhempien aikuisten kognitiivisiin toimintoihin.

Ensinnäkin musiikkiharjoittelu voi parantaa ihmisten kuuloa ja musiikin aistia. Kuulon tarkoitus on saada ihmiset havaitsemaan äänet terävämmin ja siten erottamaan paremmin äänien sisältämän tiedon. Musiikkiherkkyys voi edistää ihmisten ymmärrystä ja arvostusta musiikista, lisätä heidän rakkauttaan musiikkiin ja siten parantaa heidän muistiaan.

Toiseksi, musiikkiharjoittelulla on myös tärkeä rooli aivojen kehityksessä. Tutkimukset osoittavat, että musiikkiharjoittelu voi edistää aivokuoren hermosoluja luomaan lisää synaptisia yhteyksiä, mikä parantaa aivojen muistia ja ajattelukykyä. Voidaan sanoa, että musiikkiharjoittelu voi tehdä aivoista joustavampia, mikä parantaa ihmisten ajattelukykyä ja muistia.

Myös musiikkiharjoittelu voi edistää ihmisten mielenterveyttä. Tutkimukset ovat osoittaneet, että musiikki voi rentouttaa ihmisiä, vähentää negatiivisia tunteita, kuten ahdistusta ja masennusta, ja siten parantaa ihmisten mielentilaa. Rento ja positiivinen asenne voi saada ihmiset keskittyneempiä ja muistamaan tiedot tehokkaasti.

Yhteenvetona voidaan todeta, että musiikkiharjoittelulla on hyvin läheinen suhde muistiin. Musiikkiharjoittelu ei voi ainoastaan ​​parantaa ihmisten kuuloa ja musiikkiherkkyyttä, vaan myös edistää aivojen kehitystä ja mielenterveyttä. Siksi voit yhtä hyvin viettää enemmän aikaa musiikin harjoitteluun, jotta aivosi olisi joustavammat ja muistisi tehokkaampi! Voidaan nähdä, että meidän on parannettava muistiamme. Cistanche deserticola voi parantaa muistia merkittävästi, koska Cistanche deserticola on perinteinen kiinalainen lääkeaine, jolla on monia ainutlaatuisia vaikutuksia, joista yksi on muistin parantaminen. Jauhetun lihan teho perustuu sen sisältämiin erilaisiin vaikuttaviin ainesosiin, mukaan lukien happo, polysakkaridit, flavonoidit jne. Nämä ainesosat voivat edistää aivojen terveyttä monin tavoin.

Napsauta tietää tapoja parantaa aivojen toimintaa

osallistujien vastausten luotettavuus tarkistettiin tutkimalla, antoiko joku osallistujista kaikki/lähes kaikki 'ON' tai kaikki/melkein kaikki 'POIS'-vastaukset; tällaista osallistujaa ei tunnistettu, mikä viittaa siihen, että testi otettiin vakavasti.

Gold MSI Music Training -pisteet vaihtelivat välillä 7-46 (M = 27.41, SD=12.85; pisteytysalue 7-49), Gold MSI Perceptual Abilities -pisteet vaihtelivat välillä 22-62 (M {{ 10}}.60, SD=8.51; pisteytysalue 9–63). Nämä arvot muistuttavat julkaistuja normeja, jotka on otettu lähes 150,000 osallistujan otoksesta yleisestä väestöstä (M=26.52, SD=11.44 Musical Trainingille ja M {{22}). }.20, SD=7.86 havainnollisille kyvyille; Müllensiefen et al., 2014). Erittäin merkittävä korrelaatio löydettiin BDAT-raakapisteiden ja Gold-MSI-itseraportin kyselylomakkeen tulosten välillä musiikillisen harjoittelun ja havainnointikykyjen alaasteilla (r=.324, p < .001; r=.297 , p < 0,001).

Vastaukset yksittäisiin kappaleisiin

Keskimääräinen vastetarkkuus kullekin 30 raidalle laskettiin laskemalla kyseisen raidan oikeiden vastausten määrä kaikista testatuista anturipaikoista jaettuna kyseisen raidan vastausten kokonaismäärällä. Kaikki tarkkuudet ylittivät todennäköisyystason 0,5 (väli=,53–,744, M=0,63, SD=0,48). Raitojen keskiarvot erosivat kuitenkin, kun ne laskettiin erikseen ON- ja OFF-olosuhteille. PÄÄLLÄ-tilassa kokonaistarkkuus oli suurempi (M=0,67, SD=.47), ja vain yhdellä kappaleella (Raita 3) oli satunnaista suorituskykyä alhaisempi (M=.42, SD=.50). OFF-tilassa kokonaistarkkuus oli pienempi kuin PÄÄLLÄ-tilassa (M=.58, SD=.49), ja kolme raitaa osoitti sattuman alapuolella olevia tarkkuustasoja (Raita 12, M {{25 }}.48, SD=0.50; Raita 27, M=0.48, SD=0.50; Raita 30, M = 0.49, SD {{ 37}}.50; yksittäisten raitojen tarkkuustiedot, katso kuvat kohdasta Lisätiedot). Koska mahdollisuutta pienemmät keskiarvot voivat viitata ärsykkeen harhaan, raita 3 jätettiin pois ON-tilan lisäanalyysistä ja jäljet ​​12, 27 ja 30 jätettiin pois OFF-tilan lisäanalyyseistä.

Osallistujaryhmän vaikutus: Erot musiikillisesti koulutetun ja suuren yleisön välillä.

Tutkimukseen 1 kuului 40 muusikkoa, 19 tanssijaa ja 64 henkilöä suuresta yleisöstä. Kaksi henkilöä halusi olla paljastamatta näitä tietoja ja siksi heidät poistettiin ryhmän vaikutusten analysoinnista. Ei-merkittävä Levenen testi ei osoittanut varianssien yhtäläisyysoletuksen rikkomista, F(2, 120)=.326, p=.723. Yksisuuntainen varianssianalyysi (ANOVA) havaitsi ryhmän merkittävän vaikutuksen, F(2, 120)=6.04, p=.003; kontrastien analyysi ei kuitenkaan osoittanut merkittävää eroa tanssijoiden ja muusikoiden välillä, t(120)=−1.12, p=.265, jotka siksi yhdistettiin "musiikillisesti koulutettuun" ryhmään (N {{ 23}}) ja verrattuna suureen yleisöön (N=64). Musiikillisesti koulutetut ihmiset erosivat suuresta yleisöstä, t(120)=2.88, p=.005, ja edellinen sai korkeammat pisteet (M=19.92, SD {{32} }.09 vs. M=17.64, SD=3.59; kuva 2, vrt. lisätietotaulukot S1–S4).

Selittävän kohteen vastausmallinnus

Kohteen vaikeuden mallintamiseen yksittäisen kokeen tasolla käytimme Harrisonin ja Müllensiefenin (2018) ja Larrouy-Maestrin, Harrisonin ja Müllensiefenin (2019) lähestymistapaa, joka perustui De Boeckin ja Wilson (2004). Kohdevastausmalli oli yleistetty sekavaikutteinen malli, jossa oli logit-linkkifunktio (tunnetaan myös nimellä sekavaikutteinen logistinen regressiomalli) ja modifioidut asymptootit (Harrison & Müllensiefen, 2018). Tämä malli toistaa neliparametrisen logistisen IRT-mallin, jossa arvailu-, erottelu- ja tarkkaamattomuusparametrit eivät saa vaihdella tuotepankin sisällä (Magis & Raîche, 2012). Yksittäisten kohteiden vaikeusasteen kalibroinnin lisäksi selittävän kohteen vastausmallin avulla voidaan kvantifioida kohteen vaikeuden ja kohteen rakenteellisten ominaisuuksien (sondin siirtymä, anturin suunta, kohdelyöntivoimakkuus) välinen suhde, mikä on hyödyllistä tutkittaessa testin oletukset ja osallistuminen sen konstruktin validiteettiin. Yleistetyt sekaefektimallit laskettiin erikseen ON- ja OFF-olosuhteille.

Kunnossa

PÄÄLLÄ-tilassa olevien kohteiden malli sisälsi binäärivasteen tarkkuuden (0 tai 1) riippuvaisena muuttujana, metrisen voimakkuuden ainoana kiinteänä tehosteena (binaarinen, Target Beat 4 koodattu heikkoksi ja Target Beat 3 koodattu yhtä vahva) ja osallistujan tunnus sekä raita satunnaisena efektinä. Malli sovitettiin käyttämällä funktioita gamer () R-paketista lme4 ja logit.2asym() R-paketista psyche. Yhteenveto mallista on taulukossa 1, joka osoittaa merkittävän vaikutuksen vahvoilla lyönneillä, suorituskyky on parempi vahvoilla lyönneillä (76,5 % oikein) kuin heikkoilla lyönneillä (57,5 % oikein). ON-tilan malli saavutti 71,2 %:n ennustetarkkuuden.

OFF-tila Pois-tilassa olevien kohteiden mallissa käytettiin myös vastetarkkuutta riippuvaisena muuttujana, metrisen voimakkuuden, anturin suunnan (binäärinen, luokkien ennen ja jälkeen tavoitelyöntiä), anturin siirtymän (numeerinen muuttuja, jossa on seitsemän tasoa, välillä 15) % - 45 % siirtymä) ja metrisen voimakkuuden ja suunnan välinen vuorovaikutus kiinteinä efekteinä ja radan ja osallistujien kanssa satunnaisina efekteina. Mallin yhteenveto taulukossa 2 osoittaa, että kaikki kiinteät vaikutukset paitsi metrinen voimakkuus vaikuttavat merkittävästi. Koska vuorovaikutustermi Probe Direction × Metrical Strength on kuitenkin merkittävä, säilytimme mallissa myös metrisen lujuuden päävaikutuksen. OFF-ehtokohteiden malli saavutti 71,3 %:n ennustetarkkuuden.

Keskimääräisen vastetarkkuuden käyrä koettimen siirtymän seitsemällä tasolla kuviossa 3 osoittaa suunnilleen lineaarista trendiä, joka vahvistaa, että lineaarisen ennustajan siirtymän muunnos ei ole tarpeen.

Keskustelu

Tutkimuksen 1 tavoitteena oli (1) selvittää, pystyisivätkö osallistujat tekemään BDAT:n ilman, että se koki sen liian vaikeaksi, (2) tunnistaa ongelmalliset testikohteet, (3) tutkia, onko BDAT herkkä musiikillisen koulutuksen asteelle, (4) saada tiedot IRT-parametrien arvioimiseksi BDAT:n adaptiivisen version myöhempää rakentamista varten, ja (5) katsoa, ​​vaikuttiko metrinen voimakkuus tarkkuuteen arvioitaessa anturin äänen kohdistusta lyöntiin, jota ei ollut aiemmin tutkittu oikean musiikin kanssa.

Huomasimme, että osallistujat pystyivät suorittamaan BDAT:n ja arvioimme sen kohtalaisen vaikeaksi (keskiarvo 4,3 asteikolla 1–7). Kuten odotettiin, laajan musiikillisen koulutuksen saaneet osallistujat (tanssijat ja muusikot) menestyivät huomattavasti paremmin kuin suuret yleisöt, ja keskimääräiset raakapisteet olivat noin 13 % korkeammat kuin suuren yleisön (kuva 1). Merkittävä yhteys osallistujien testitulosten ja Gold-MSI-pisteiden välillä osoitti, että osallistujat, joilla oli korkeampi musiikillinen koulutus ja korkeammat omat havaintokykynsä, olivat parempia tässä lyöntihavaintotehtävässä. Korrelaatiotasot olivat vertailukelpoisia, vaikkakin hieman alhaisempia kuin Gold-MSI Musical Trainingin ja CA-BAT:n suorituskyvyn välillä edellisessä työssä, r(195)=.454, p < .001 (Harrison & Müllensiefen, 2018). ). Tällainen kohtalaisen suuri korrelaatio oli odotettavissa, koska lyöntihavaintokyvyn oletetaan riippuvan kohtalaisesti musiikillisesta harjoittelusta (eli vähemmän vahvasti musiikilliseen koulutukseen liittyvän kuin esimerkiksi melodisen erottelukyvyn; Harrison & Müllensiefen, 2018). Tämä voidaan tulkita väitteeksi siitä, että geneettiset taipumukset vaikuttavat rytmin havaitsemiskykyyn (vrt. Niarchou et al., 2022).

Molemmat selittävän kohteen vastausmallit osoittivat hyväksyttävän ennustetarkkuuden. PÄÄLLÄ-tilassa olevien kohteiden malli osoitti, että metrinen voimakkuus oli merkittävä vastetarkkuutta määrittävä tekijä, ja suorituskyky oli parempi, kun koetin asetettiin voimakkaalle tahdille. Tämä tulos on odotettavissa Palmerin ja Krumhanslin (1990) työn valossa. He havaitsivat, että koetustapahtumat, jotka sijoitettiin voimakkaisiin lyönteihin, arvioitiin sopivaksi jatkuvaan rytmiseen kuvioon paremmin kuin koetustapahtumat heikkoihin lyönteihin.

OFF-tilassa vasteen tarkkuus oli huomattavasti suurempi koettimen suuremmalla siirtymällä, kuten odotettiin, ja vasteen tarkkuuden ja siirtymäasteen välillä oli suunnilleen verrannollinen yhteys. Anturin siirtymäsuunta oli myös merkittävä vasteen tarkkuuden määräävä tekijä: Tarkkuus oli suurempi, kun koetin asetettiin kohdelyöntipaikan eteen eikä sen jälkeen. Tämä on päinvastainen tulosmalli kuin aikaisemmassa Beat Alignment Test -tutkimuksessa, jossa oli mukana 15 ammattimuusikkoa (Van Der Steen et al., 2014), mutta se on sopusoinnussa musiikillisen intuition kanssa, koska tietyt musiikkityylit suosivat rytmisiä viiveitä mieluummin kuin implisiittisiä musiikkitapahtumia. lyöntipaikat (esim. viivästynyt virveli swingissä; Butterfield, 2010). Se yhtyy myös kahteen raportoituun ajoituspsykofysiikan tulokseen. Ensinnäkin "täytetyn keston" illuusio saa kuuntelijat näkemään tyhjän aikavälin lyhyemmäksi kuin jaettu aika (Repp, 2008; Repp & Bruttomesso, 2009); tämä saisi kuuntelijat havaitsemaan hieman myöhäiset tapahtumat tyhjien välien jälkeen ajoissa, kuten havaitsimme. Toiseksi kuuntelijat kokevat "havaintokiihtyvyyttä" isokronisten sekvenssien aikana, mikä osoittaa, että viimeinen aikaväli ilmoitetaan hieman lyhyenä (Li et al., 2016); tämäkin saisi kuulijat näkemään myöhäiset tapahtumat ajoissa.

Iskun metrinen voimakkuus ei sinänsä ollut merkittävä tekijä mallissa OFF-kohteiden mallissa, mutta sen vuorovaikutus suunnan kanssa oli merkittävä: osallistujat suoriutuivat paremmin, kun koetin tuli myöhään heikolla tahdilla kuin silloin, kun se tuli myöhään voimakkaalla tahdilla. . Jälleen tämä voidaan tulkita siten, että kuuntelijat suvaitsevat hieman viivästyneitä musiikkitapahtumia varsinkin kun ne tulevat voimakkaiden biittien jälkeen, koska tämä on musiikillinen ominaisuus tietyissä tyyleissä, joissa tällaiset viiveet voivat luoda vaikutelman "rennon" tunteesta. Toinen mahdollinen selitys on, että koettimet, jotka putosivat myöhään heikolle tahdille, olivat lähimpänä pistettä, jossa rytmi palaa, ja ne voitiin helpommin tunnistaa rytmin ulkopuolella oleviksi vertaamalla niiden ajoitusta rytmin uudelleentulon ajoitukseen.

Tutkimus 2

Tutkimuksen 2 tavoitteena oli suorittaa korrelaatiotutkimus kolmen pistemäärän suhteista: BDAT, CA-BAT ja itse ilmoittama musiikillinen hienostuneisuus Gold-MSI-kyselylomakkeella (Müllensiefen et al., 2014). Tavoitteenamme oli ymmärtää paremmin BDAT-suorituskyvyllä mitattuja sykehavaintoja.

menetelmät

Osallistujat

Tähän verkkotutkimukseen rekrytoitiin yhteensä 103 osallistujaa. Kaksi osallistujaa ilmoitti kuulon heikkenemisestä, ja siksi heidät jätettiin analyysin ulkopuolelle. Lopussa 101 osallistujan otoksesta 52 oli naisia, 47 miehiä ja kaksi päätti olla paljastamatta näitä tietoja. Osallistujat olivat 21–63-vuotiaita (M=29.91, SD=7.21).

Osallistujat rekrytoitiin sosiaalisen median ja sähköpostikutsujen kautta. Kaikki osallistujat antoivat tietoisen suostumuksen osallistua tutkimukseen.

Materiaalit

Tutkimusta 2 varten rakennettiin kolmiosainen akku, joka koostui BDAT:n adaptiivisesta versiosta, Computerised Adaptive Beat Alignment Test (CA-BAT; Harrison & Müllensiefen, 2018) ja Gold-MSI-kyselyn täysversiosta (Müllensiefen et). al., 2014), mukaan lukien kaikki viisi alaasteikkoa, kuten alla on kuvattu.

BDAT-tutkimuksessa 2 käytettiin samoja musiikkileikkeitä kuin tutkimuksessa 1, ja ärsykesarjaa laajennettiin sisällyttämään tempon vaihtelu ylimääräisenä satunnaistekijänä. Pieni tempon vaihtelu varmisti, että osallistujien oli tunnistettava tempo joka kerta, kun he kuuntelivat uutta leikettä. Heidän kokemansa tempo samoin kuin sykkeen vaihe perustuivat siis kokonaan heidän kuulemaansa klippiin eikä kehittyneeseen odotukseen, että tempo olisi aina kiinteä.

Jokaisesta klipistä oli viisi tempomuunnelmaa, jotka tuottivat 4500 tiedostoa. Tempo vaihteli tasaisin askelin ±5 % alkuperäisestä 125 lyöntiä minuutissa, tuottaen 119 bpm, 122 bpm, 125 bpm, 128 bpm ja 132 bpm; 5 % tempoaskeleita tarjosivat viisi havainnollisesti erottuvaa tempoa, mutta eivät vääristäneet musiikkimateriaalia.

Tutkimuksen 1 raitojen luotettavuusanalyysin jälkeen tutkimus 2 eliminoi raidan 3 käytön ON-tilassa ja raitojen 12, 27 ja 30 käytön OFF-tilassa.

Tutkimusta 2 varten luotiin adaptiivinen versio BDAT:sta tutkimuksessa 1 laskettujen ON- ja OFF-olosuhteiden selittävien IRT-mallien perusteella. Tässä mukautuvassa versiossa jokaisessa uudessa kokeessa esitellyn kohteen vaikeusaste sovitettiin osallistujan suorituskykyyn, joka oli arvioida dynaamisesti jokaisen kokeen jälkeen. Tämä perustui esineiden vaikeusparametreihin, jotka oli laskettu kaikille tutkimuksessa 1 oleville kohteille (katso Harrison & Müllensiefen, 2018, lisätietoja esineiden vaikeuslaskelmista). Lisäksi poimittiin osallistujien satunnaisleikkausten keskihajonnat vakiona ON- ja OFF-kohteiden erotteluparametreina. Samoin alemman ja ylemmän asymptootin parametreja käytettiin vakioina kaikissa kohteissa. IRT-malleissa ihmisen kyvyt ja kohteiden vaikeudet määritellään samalla mittarilla, z-pisteasteikko, joka vaihtelee tyypillisesti välillä −4–4. Tämä tarkoittaa, että esimerkiksi osallistuja, jonka kykypistemäärä on 1, on yksi. keskihajonta väestön keskiarvon yläpuolella. Mukautuvan testin ensimmäinen kohta valittiin aina vaikeustasoksi 0, joka vastaa tutkimuksen 1 osallistujanäytteen keskimääräistä kykyä.

CA-BAT Tämän testin tarkoituksena on arvioida kuuntelijan lyöntien havaitsemiskykyä käyttämällä adaptiivista versiota lyöntikohdistustestistä (BAT), joka räätälöi testin vaikeustason kullekin osallistujalle sopeutumalla heidän aikaisempiin reaktioihinsa (Harrison & Müllensiefen, 2018). Tämä maksimoi jokaisen peräkkäisen kohteen antaman tiedon määrän osallistujan todellisesta kyvystä, mikä puolestaan ​​varmistaa lyhyemmän testausajan ja parantaa siten testin tehokkuutta. BDATin tapaan CA-BAT käyttää naturalistisia musiikin ärsykkeitä. Toisin kuin BDAT:ssa, ärsykkeitä ei luotu erityisesti testiä varten (katso Harrison & Müllensiefen, 2018, lisätietoja), mikä tarkoittaa, että pienet ajalliset vaihtelut ovat todennäköisiä kohteiden sisällä. Tätä kuitenkin lievitetään käyttämällä 2-AFC-paradigmaa. Jokaisessa kokeessa osallistujalle esitetään kaksi versiota musiikkikappaleesta, jotka molemmat peitetään metronomisella mittausraidalla. Kappaleen ON-versiossa anturi on ajoissa musiikin lyöntipaikkojen kanssa, kun taas OFF-versiossa anturin raita on siirretty musiikin lyöntipaikoista. Osallistujan tehtävänä on tunnistaa ON-raita. Henkilön kykypisteet CA-BAT:lle lasketaan samojen periaatteiden mukaisesti kuin edellä kuvatun mukautuvan BDAT:n kohdalla.

Gold-MSI Study 2:ssa käytettiin kyselyn täysversiota, jossa arvioitiin kaikkia viittä alaasteikkoa (aktiivinen sitoutuminen, havainnointikyvyt, musiikillinen koulutus, tunteet, laulutaidot) sekä yleistä musiikillista hienostuneisuutta (GMS) -asteikkoa, joka hyödyntää kaikkia kohteita. viisi alaasteikkoa. Kaikkiaan Gold-MSI:n itseraportointikysely koostui 41 kysymyksestä.

Menettely

Tutkimus 2 suoritettiin verkossa avoimen lähdekoodin psychTestR-pakettiin perustuvalla käyttöliittymällä (Harrison, 2020). Kaikki osallistujat antoivat suostumuksensa tutkimukseen osallistumiseen. Heitä pyydettiin käyttämään kuulokkeita koko testin ajan ja säätämään äänenvoimakkuus mukavalle tasolle. Kuten tutkimuksessa 1, osallistujia pyydettiin olemaan koskettamatta tai muutoin liikkumatta musiikin tahdissa.

Akku aloitettiin väestötietojen keräämisellä, ja sitä seurasi BDAT (25 kohdetta), GoldMSI-kysely (41 kysymystä) ja CA-BAT (25 kohdetta).3 Ennen jokaista testiä osallistujille esiteltiin koulutusvaihe, joka sisälsi ohjeet. , kaksi esimerkkiärsytystä (yksi tilalle PÄÄLLÄ ja yksi tilalle OFF) ja kaksi harjoituskohdetta. Ilmoitettu testiaika oli 25–30 minuuttia. Testin suorittaminen johti tehtävän suorituskyvyn näyttämiseen pseudo-IQ-pisteinä sekä numeerisessa että graafisessa muodossa (kellokäyrä, jonka keskiarvo on 100 ja keskihajonta 15), sekä General Musical Sophistication (GMS) -pisteet.

Tulokset

BDAT-kykypisteet vaihtelivat välillä −3,37-2,53 (M=0,04, SD=1,17), CA-BAT-kykypisteet vaihtelivat välillä −2,44-2,07 (M=0,27, SD=0,78), ja GMS-pisteet vaihtelivat välillä 1,45–6,45 (M=4,23, SD=1,18). Vertailun vuoksi: julkaistut GMS-normit vaihtelevat välillä 1–7, M=4.53, SD=1.15 (Müllensiefen et al., 2013). Merkittäviä korrelaatioita havaittiin BDAT- ja CA-BAT-pisteiden välillä (r=0,23, p=0,023; kuva 4) sekä BDAT- ja GMS-pisteiden välillä (r =). 55, p < 0,001). Itse asiassa BDAT-pisteet korreloivat erittäin merkitsevästi kaikkien Gold-MSI-kyselyn ulottuvuuksien kanssa, vahvin korrelaatio oli musiikillisen koulutuksen ja yleisen GMS-pisteiden kanssa.

CA-BAT-pisteet korreloivat myös merkittävästi kaikkien Gold-MSI-mittojen kanssa laulukykyjä lukuun ottamatta, vaikkakin useimmissa tapauksissa heikommin kuin BDAT-pisteet. Suurin korrelaatio havaittiin aktiivisen sitoutumisen ulottuvuuden kanssa (taulukko 3).

Keskustelu

Tutkimuksen 2 tarkoituksena oli karakterisoida BDAT-suorituskyvyn, CA-BAT-suorituskyvyn ja Gold-MSI-kyselyn tulosten välisiä suhteita. Gold-MSI-mittojen ja BDAT-pisteiden välisten korrelaatioiden tarkastaminen osoittaa, että GMS-pisteet ja erityisesti musiikillinen koulutus ennustivat osittain suoritusta BDAT:n peitellyn lyönnin jatko- ja vertailutehtävässä. Regressioanalyysi osoitti, että Gold-MSI-aliasteikot muodostivat yhdessä noin kolmanneksen BDAT-pisteiden vaihtelusta (R2=0,34), mikä osoittaa, että vaikka BDAT:n indeksoimaan lyöntihavaintokykyyn vaikutti (tai mahdollisesti vaikutteita) musiikillinen koulutus ja hienostuneisuus, se näytti myös heijastavan taitoa tai kykyä, joka ei perustunut pelkästään koulutukseen tai sitoutumiseen. Vaatimaton korrelaatio BDAT- ja CABAT-pisteiden välillä viittasi kuitenkin siihen, että tämä taito tai kyky ei ollut identtinen CA-BAT:lla mitatun kanssa, joka korreloi vähemmän GMS-pisteiden ja useimpien sen alitekijöiden kanssa, mukaan lukien musiikillinen koulutus.

Kaiken kaikkiaan nämä tulokset osoittavat, että BDAT:n testaama sykkeen havaitseminen liittyy läheisemmin yleiseen musiikkitaitoon kuin CA-BAT:n testaama puoli. Jotta tällainen johtopäätös voidaan tehdä luotettavasti, olisi oleellista arvioida, missä määrin vaihtelu kussakin testissä heijastaa mittausvirhettä vs. osallistujan johdonmukainen attribuutti, ja tarkkailla muutoksia molemmissa pisteissä musiikillisen harjoittelun avulla.

yleinen keskustelu

Tässä tutkimuksessa kehitettiin ja tutkittiin uutta musiikillisen rytmin havaitsemisen testiä, joka ei ole riippuvainen tahdistettua liikettä rytmin kanssa. BDAT:n ensisijainen innovaatio on, että se testaa musiikin rytmin havaitsemista ilman aistinvaraisia ​​vihjeitä tahdille. BDAT:ssa kuuntelija kuulee muutaman tahdin lyöntipohjaista musiikkia ja arvioi sitten, onko yksittäinen koetintapahtuma päällä vai poissa tahdista "lyöntipudotuksen" aikana, kun kaikki rytmiset vihjeet lyöntiin on poistettu. Siten BDAT vaatii kuuntelijaa jatkamaan rytmistä musiikkia kuunnellessaan rytmistä musiikkia, kunnes musiikki jatkuu. BDAT luotiin tarjoamaan kohdennettu testi kyvystä jatkaa salaisesti lyöntiä, jota ei voida suoraan tutkia testeillä, kuten BAT, joka mahdollistaa paikallisten akustisten vihjeiden käytön ajoituksen arvioinnissa. Itse asiassa BDAT-tutkimuksemme tulokset viittaavat siihen, että BDAT testaa sykkeen havaitsemisen näkökohtia, jotka ovat osittain riippumattomia BAT:n testaamista, kuten alla kerromme.

Muiden rytmin havaitsemisen testien ohella BDAT:lla on useita etuja. Se käyttää erilaisia ​​realistisia musiikkimateriaaleja, jotka on sävelletty elektronisen tanssimusiikin tyyliin (joka on luotu erityisesti testiä varten), on nopea hallita ja lyö yksiselitteisistä paikoista (koska musiikki on sävelletty MIDI-aikaruudukolla). Lisäksi sitä voidaan käyttää lyöntien havaitsemiseen metrisen sijainnin (voimakkaat vs. heikot lyönnit), anturin epäkohdistussuunnan (varhainen vs. myöhäinen) funktiona ja anturin lyönnistä siirtymän asteen funktiona.

Nykyisessä tutkimuksessa tarkasteltiin BDAT:n suorituskykyä kahdessa kokeessa. Ensimmäinen koe osoitti, että osallistujat eivät arvioineet BDAT:ta kovin vaikeaksi ja että henkilöt, joilla oli korkea musiikillinen koulutus, saivat testissä huomattavasti parempia tuloksia. Kokonaissuorituskyky oli kuitenkin yleensä alhainen, keskimäärin noin 60–70 % oikein. Tämä ei ole yllättävää, kun otetaan huomioon, että jokaisessa BDAT-kokeessa on yksi mittausääni, toisin kuin BAT:ssa, jossa on koko metronominen mittausäänijono. Lisäksi, kun anturin ääni oli kohdistettu väärin, se oli usein hyvin lähellä lyöntikohtaa, mikä teki virheen havaitsemisen vaikeaksi (kuva 2). Rajoittamalla off-beat anturit suurempiin siirtymiin pitäisi johtaa korkeampiin yleisiin BDAT-suorituskykypisteisiin tulevassa työssä.

Kokeen 1 uusi havainto on, että tarkkuus arvioitaessa, milloin koetintapahtuma on lyönnissä, erosi huomattavasti sen mukaan, oliko koetin vahvassa vai heikossa metrisessä asennossa (isku 3 vs. 4) lyöntipudotuspalkissa, noin tarkkuudella 20 % korkeampi vahvalla rytillä (76,5 % vs. 57,5 ​​% oikein). Mielenkiintoista on, että tutkimuksemme musiikkia ei ole sävelletty siten, että se korostaisi akustisesti vahvoja vs. heikkoja lyöntiasentoja, mikä viittaa ylhäältä alas suuntautuvien metristen odotusten mahdollisesti merkittävään rooliin tulostemme muotoilussa. Löytömme on linjassa Palmerin ja Krumhanslin (1990) tutkimuksen kanssa. He saivat kuuntelijoita kuuntelemaan samanäänisten tapahtumien metronomisia sekvenssejä ja kuvittelemaan erilaisia ​​mittareita ja jotka havaitsivat, että metrisesti vahvoihin lyönteihin sijoitetut koetintapahtumat arvioitiin paremmin rytmiin sopivaksi kuin tapahtumia heikoilla tahdilla. Erot heidän luotainluokitteluissaan olivat kuitenkin hienoisia verrattuna nykyisessä tutkimuksessa havaittuihin suuriin vaikutuksiin. Lisätyötä tarvitaan sen määrittämiseksi, johtuuko suuri tarkkuusero, jonka näemme vahvoilla ja heikoilla lyönnillä, metrisistä odotuksista (vrt. Iversen et al., 2009), vai heijastaako se vain sitä tosiasiaa, että heikko lyöntiasemamme oli myöhemmin lyöntipudotuksessa. bar kuin vahva lyöntiasema. Tämän suunnittelun ansiosta mikä tahansa sisäisesti ylläpidetty pulssi voi olla heikentynyt ja/tai vähemmän tarkka heikon vs. voimakkaan lyönnin hetkellä yksinkertaisesti sen vuoksi, mitä enemmän aikaa on kulunut rytmisen vihjeiden lakkauttamisesta lyöntirakenteeseen (Cannon, 2021). Tulevassa työssä olisi myös mielenkiintoista selvittää, ilmaantuuko näkemämme metrinen vaikutus vasta tietyn iän jälkeen, mikä heijastelee kulttuurin vallitsevien musiikillisten mallien metrisen tiedon kehittymistä (Nave-Blodgett et al., 2021).

Tutkimuksemme toisessa kokeessa käytettiin ensimmäisestä kokeesta otettua dataa kohteen vaikeudesta poistamaan muutama liian vaikea ärsyke ja luomaan adaptiivinen versio BDAT:sta, jossa kohteen vaikeus lisääntyi kokeen edetessä. Kokeessa 2 otettiin käyttöön myös pientä kokeiden välistä tempovaihtelua ärsykkeiden välillä pakottaakseen kuuntelijat päättelemään lyönnin tempon jokaisessa kokeilussa sen sijaan, että muodostettaisiin kokeen laajuinen tempo etukäteen, mikä voisi vaikuttaa tehtävän suoritukseen. Kaikki tämän kokeen osallistujat testattiin myös CA-BAT:n (tietokoneistettu-adaptiivinen BAT) versiolla ja heille annettiin täydellinen Gold-MSI-kysely mittaamaan musiikillista hienostuneisuutta, mukaan lukien viisi alaasteikkoa (aktiivinen sitoutuminen, havainnointikyvyt, musiikillinen koulutus, Tunteet, laulutaidot). Tässä kokeessa havaittiin, että BDAT- ja CA-BAT-suorituskyky osoitti vain vaatimattoman korrelaation ja että se, missä määrin nämä kaksi testiä korreloivat Gold MSI:n aliasteikkojen ja yleisen musiikillisen hienostuneisuuden (GMS) kanssa, erosivat huomattavasti. Esimerkiksi itse ilmoittamat laulutaidot korreloivat BDAT-suorituskykyyn, mutta eivät CA-BAT-suorituskykyyn. Korrelaatiot BDAT-suorituskyvyn ja Gold-MSI:n kaikkien aliasteikkojen (ja GMS:n kanssa) välillä olivat todellakin huomattavasti korkeammat kuin CA-BAT-suorituskyvyn (taulukko 3), mikä viittaa siihen, että BDAT-suorituskyky voi olla sidottu monenlaiseen musiikkiin. kyvyt.

Yksi musiikillinen kyky, joka todennäköisesti liittyy BDAT:hen, on musiikillinen kuva beat-drop-palkin aikana. Neurokuvantamistutkimus on osoittanut, että musiikillisten kuvioiden yksityiskohtaiset kuvat sisältävät monimutkaisen aivoalueiden verkoston sykkeenkäsittelyyn osallistuvien alueiden lisäksi (Cannon & Patel, 2021; Regev et al., 2021). Lisäksi musiikillisten kuvien kyvyt ja sävelkorkeuden jäljitelmäkyvyt näyttävät liittyvän toisiinsa (Greenspon et al., 2017), mikä voisi auttaa selittämään, miksi itseensä liittyvät laulukyvyt korreloivat BDAT-suorituskykyyn, jos kuuntelijat osallistuvat musiikilliseen kuvaukseen rytmin pudotuksen aikana. Toinen tärkeä musiikillinen kyky voi olla rytmin motorinen jatko: Vaikka osallistujia pyydettiin olemaan liikkumatta, hienovaraisilla liikkeillä ja/tai motorisilla kuvilla saattoi olla rooli esityksessä. Tulevaisuuden työssä olisi mielenkiintoista selvittää, liittyykö BDAT-suorituskyky yksilöllisiin eroihin kuulokuvan kyvyissä (esim. mitattuna Bucknell Auditory Imagery Scale -asteikolla; Halpern, 2015) ja synkronointi-jatkotehtävän jatkovaiheessa. .

Toinen tekijä, joka voisi auttaa selittämään suhteellisen alhaisen korrelaation BDAT:n ja CA-BAT:n suorituskyvyn välillä, on se, että jälkimmäiseen liittyy muistikomponentti, koska kahta musiikkileikettä on verrattava sen määrittämiseksi, kumpi piippaa. BDAT, kuten alkuperäinen BAT, vaatii jokaisen leikkeen kuuntelemisen vain kerran. Toinen ero voi olla CA-BAT:ssa vaadittava ylimääräinen kuulokäsittely musiikin rytmin vertaamiseksi samanaikaisesti esitettyyn piippaussarjaan. Yleisemmin näyttää siltä, ​​​​että BDAT tarjoaa erottuvan lyöntihavaintotestin, joka ottaa käyttöön joitain erilaisia ​​kognitiivisia prosesseja kuin CA-BAT. Jotkut näistä prosesseista voivat olla spesifisiä sykkeen jatkamiselle (toisin kuin lyönnin alkuperäinen tunnistaminen).

BDAT tarjoaa joukon mahdollisia sovelluksia ihmisen kuulon rytmisen prosessoinnin tutkimuksessa. BDAT:ta käyttävät tutkijat voivat päättää, käyttävätkö he BDAT-ärsykkeitä, joiden tempi on tasainen (kuten kokeessa 1) vai hieman eri tempo kokeesta toiseen (kuten kokeessa 2), tavoitteistaan ​​riippuen. Lisäksi BDAT-ärsykkeet, jotka ovat vapaasti saatavilla, voivat osoittautua hyödyllisiksi useissa lyöntihavaintotutkimuksissa, mukaan lukien hermotutkimukset, joiden tarkoituksena on tutkia värähtelevää hermodynamiikkaa lyönnin havaitsemisen aikana. (Tällaisen työn helpottamiseksi tämän paperin online-tietoarkisto sisältää versioita BDAT-ärsykkeistä ilman koetinääniä). BDAT:n uudenlaisen beat-drop-suunnittelun ansiosta lyöntiin liittyvät hermovärähtelyt beatdrop-palkin aikana eivät voi johtua ärsykkeestä johtuvasta aivotoiminnasta, ja tämä voisi auttaa testaamaan olemassa olevia malleja lyöntiin liittyvien hermovärähtelyjen syistä. aivot (Breska & Deouell, 2017; Doelling & Assaneo, 2021; Tal et al., 2017).

Asettamalla ennustettavan kestoisia lyöntipisaroita musiikillisesti sopiviin aikoina ja täyttämällä aukon sopivalla ei-rytmisellä musiikillisella sisällöllä, nämä ärsykkeet saavat aikaan voimakkaan odotuksen rytmin paluusta. BDAT-ärsykkeillä voi siis olla joitain etuja rytmin havaitsemiseen liittyvien havainto- ja hermovärähtelyjen tutkimisessa verrattuna aiemmin käytettyihin ärsykkeisiin, jotka tutkivat aktiivisuutta rytmisen ärsykkeen äkillisen päättymisen jälkeen (Hickok et al., 2015; Stupacher et al., 2013). van Bree et ai., 2021). BDAT-ärsykkeet voivat myös osoittautua hyödyllisiksi tulevissa musiikillisten kuvien hermotutkimuksissa, jos tällainen kuva on todellakin yksi kognitiivinen työkalu, jota osallistujat käyttävät tehtävän suorittamiseen. Lopuksi, kuten yksi BAT:n nykyinen käyttö, BDAT voi osoittautua hyödylliseksi työkaluksi tutkimuksissa potilailla, joilla on liikehäiriöitä tai hermostoa rappeuttavia sairauksia. Löytöjemme perusteella katsomme, että BDAT on käyttökelpoinen ja uusi instrumentti rytmin havaitsemiseen ja ansaitsee lisätutkimuksen ja -kehityksen.

Avoin pääsy
Tämä artikkeli on lisensoitu Creative Commons Attribution 4:n.0 Kansainvälinen lisenssi, joka sallii käytön, jakamisen, mukauttamisen, jakelun ja jäljentämisen missä tahansa välineessä tai muodossa, kunhan annat asianmukaisen tunnustuksen alkuperäiselle kirjoittajalle (alkuperäisille kirjoittajille) ) ja lähde, anna linkki Creative Commons -lisenssiin ja ilmoita, onko muutoksia tehty. Tämän artikkelin kuvat tai muu kolmannen osapuolen materiaali sisältyy artikkelin Creative Commons -lisenssiin, ellei materiaalin luottorajassa toisin mainita. Jos materiaali ei sisälly artikkelin Creative Commons -lisenssiin ja käyttötarkoituksesi ei ole lakisääteinen tai ylittää sallitun käytön, sinun on hankittava lupa suoraan tekijänoikeuksien haltijalta. Katsoaksesi kopion tästä lisenssistä.

Viitteet

1. Allman, MJ ja Meck, WH (2012). Patofysiologiset vääristymät ajan havainnoinnissa ja ajoitetussa suorituskyvyssä. Brain, 135(3), 656–677.

2.Bégel, V., Benoit, C.-E., Correa, A., Cutanda, D., Kotz, SA, & Bella, SD (2017). "Kadonnut ajassa", mutta liikkuu silti tahdissa. Neuropsychologia, 94, 129–138.

3. Breska, A. ja Deouell, LY (2017). Rytmiin perustuvan ajallisen ennustamisen hermomekanismit: Delta-vaiheen lukitus heijastaa ajallista ennustettavuutta, mutta ei rytmistä. PLOS Biology, 15(2), artikla e2001665.

4.Breska, A. ja Ivry, RB (2018). Yksittäisen intervallin ja rytmisen ajallisen ennusteen kaksoisdissosiaatio pikkuaivojen rappeumassa ja Parkinsonin taudissa. Proceedings of the National Academy of Sciences of the United of America, 115(48), 12283–12288.

5. Butterfield, M. (2010). Osallistumiserot ja lyöntien käsitys jazzissa. Music Perception, 27(3), 157–176.

6. Cannon, J. (2021). Odotukseen perustuva rytminen välitys jatkuvana Bayesin päättelynä. PLOS Computational Biology, 17(6), artikla e1009025.

7. Cannon, JJ ja Patel, AD (2021). Havaintokyvyn voittaminen ottaa huomioon motorisen neurofysiologian. Trends Cognitive Science, 25(2), 137–150.

8. Cochen De Cock, V., Dotov, DG, Ihalainen, P., Bégel, V., Galtier, F., Lebrun, C., Picot, MC, Driss, V., Landragin, N., Geny, C ., Bardy, B. ja Dalla Bella, S. (2018). Rytmiset kyvyt ja musiikillinen koulutus Parkinsonin taudissa: auttavatko ne? NPJ Parkinsonin tauti, 4, artikla 8.

9.Dalla Bella, S., Farrugia, N., Benoit, CE, Bégel, V., Verga, L., Harding, E., & Kotz, SA (2017). BAASTA: Akku kuulo-anturimoottorin ja ajoituskyvyn arviointiin. Behavior Research Methods, 49(3), 1128–1145.

10.Dalla Bella, S., Farrugia, N., Benoit, CE, Bégel, V., Verga, L., Harding, E., & Kotz, SA (2017). BAASTA: Akku kuulo-anturimoottorin ja ajoituskyvyn arviointiin. Behavior Research Methods, 49(3), 1128–1145.

11.Doelling, KB ja Assaneo, MF (2021). Hermoston värähtelyt ovat alkua kohti aivojen toiminnan ymmärtämistä eikä loppua. PLOS Biology, 19(5), artikla e3001234.

12. Fiveash, A., Bella, SD, Bigand, E., Gordon, RL ja Tillmann, B. (2022). Sinulla on rytmi tai enemmän: Rytmisten kykyjen moniulotteisuus. Attention, Perception, & Psychophysics, 84, 1370–1392.

13. Fujii, S., & Schlaug, G. (2013). Harvardin lyöntiarviointitesti (H-BAT): Akku, jolla voidaan arvioida sykkeen havaitsemista ja tuotantoa sekä niiden dissosiaatiota. Frontiers in Human Neuroscience, 7, 771.

14. Grahn, JA ja Brett, M. (2009). Rytmiin perustuvan rytmin erottelun heikkeneminen Parkinsonin taudissa. Cortex, 45(1), 54–61.

15. Greenspon, EB, Pfordresher, PQ ja Halpern, AR (2017). Äänenkorkeuden jäljitelmäkyky melodioiden henkisissä muunnoksissa. Music Perception: An Interdisciplinary Journal, 34(5), 585–604.

For more information:1950477648nn@gmail.com