Data driven music cognition
•Descargar como PPTX, PDF•
0 recomendaciones•715 vistas
El documento presenta una introducción al análisis de datos masivos aplicado al estudio de la cultura y la música. Explica cómo se pueden analizar grandes conjuntos de libros, noticias, foros de discusión y partituras musicales para comprender la evolución de los patrones culturales y estilísticos a lo largo del tiempo. También explora el uso de estas técnicas para modelar las expectativas musicales de los oyentes y relacionarlas con los diferentes estilos compositivos.
Más contenido relacionado
Similar a Data driven music cognition
Similar a Data driven music cognition (20)
Último
Último (20)
Data driven music cognition
- 1. Dime qué haces y te diré quién eres (A.K.A) Data driven music cognition Pablo Hernán Rodriguez Zivic @ideasrapidas
- 2. Estudiando la evolución culturalIncreible Práctico You can read a small number of books very carefully. Or you can read lots of books "very, very not-carefully” Erez Lieberman
- 5. Análisis de google n-gram
- 6. Culturomics Así como “genomics”, es un lente hacia biología que usa los genes para entenderla, se define Culturomics, un lente hacia la cultura humana a partir de la aplicación del análisis de conjuntos de datos masivos. Jean-Baptiste Michel y Erez Lieberman Aiden (2011)
- 7. Culturomics desde una perspectiva amplia Pero, ¿Por qué limitarnos solamente a literatura? Por ejemplo, noticias, comentarios en foros Y, ¿Por qué no analizar otras manifestaciones culturales? Por ejemplo, música, pintura
- 8. ¿Por qué limitarnos solo a la cultura? Principio antrópico debil: Los valores observados de todas las cantidades físicas y cosmológicas no son igualmente probables, sino que están restringidos por el hecho de que existen lugares del Universo donde se ha podido desarrollar la vida basada en el carbono y el hecho de que el Universo sea suficientemente antiguo como para que esto haya ocurrido.
- 9. ¿Por qué limitarnos solo a la cultura? Principio antrópico debil (cultural?) Los valores observados de todos las actividades desarrolladas por la especie humana no son igualmente probables, sino que están restringidas por las características físicas, biológicas y cognitivas de los mismos
- 10. Computational sociology: foros RateBeer: La gente discute sobre cerveza • 3M posts, 30k usuarios • Utilizan un lenguaje específico
- 12. Computational sociology: foros La gente cambia: Disminuyen los pronombres en primera persona Aumenta el vocabulario específico de la cerveza La comunidad cambia: Aumentan las palabras relacionadas a frutas Encuentra una dinámica que explica la evolución del lenguaje de una persona en relación a la comunidad
- 13. Interpretación ¿Tiene sentido observar este comportamiento? ¡¡Sí!! Si no, ¿cómo hablaríamos con nuestros padres si no?
- 14. • Cuando dicen tus “me gusta”? • Bastante: • Orientación sexual • Etnia • Religión • Orientación política • Inteligencia • Nivel de felicidad • Uso de sustancias adictivas • Edad • Género Computational sociology: facebook
- 15. WARNING: Correlación no implica causalidad Predicción de la ubicación de Osama Bin Laden
- 16. Pintura La “naturalidad” que se le atribuye a las pinturas de Pollock se puede medir
- 17. Pintura La posición de los ojos en los retratos de los últimos siglos tiene la misma precisión que experimentos con puntos
- 18. Data driven music cognition
- 19. ¿En qué consiste? • Representar la música • Definir criterio de decisión
- 21. 880 Hz 440 Hz Octava Notas, semitonos
- 25. Melodías intervalos 880 Hz 440 Hz Feliz cumpleaños 0, 2, -2, 5, -2
- 26. Melodías bigramas Intervalos Bigramas 0 2 2 -2 -2 5 5 -2 0 2 -2 5 -2
- 27. Melodías Estadísticas Bigramas: (0,2) (2,-2) (-2,5) (5,-1) Intervalo1 Intervalo 2
- 28. ¿Qué pasa si hacemos esa estadística por año?
- 29. ¿En qué consiste? • Representar la música • Definir criterio de decisión
- 30. Ahora podemos medir distancias entre matrices
- 32. Tiempo Pertenencia ¿Cómo vemos las tendencias temporales? Gráfico de mentirita 1 2 3 4 5 6 7 8 9 10 11 12 A B
- 33. Gráfico de adeveras ¿Cómo vemos las tendencias temporales?
- 34. Algo hay... la pregunta es ¿qué? Idea: explicar el resultado en función de principios “simples”
- 36. Factores que explican el resultado Barroco
- 37. Factores que explican el resultado Romántico Post romántico
- 38. Factores que explican el resultado Clásico
- 40. La expectativa que una persona tiene respecto a un evento debería estar vinculada a su probabilidad
- 41. Compositores buscan despertar emociones en los oyentes. Eso lo hacen satisfaciendo o denegando sus expectativas Meyer(1960)
- 42. Por lo tanto, las partituras analizadas deben estar relacionadas con las expectativas de los oyentes de esa época
- 43. Siendo que las distribuciones de probabilidades cambiaron, entonces también lo deben haber hecho las expectativas
- 44. Lo primero que necesitamos es… ¡Una teoría que predique sobre expectativas!
- 45. Expectativas en pares de intervalos melódicos Teoría de Implicación-Realización • Dos sistemas perceptuales: Top Down y Bottom up • Modela el sistema Bottom up (innata, inconciente) • Define dos momentos: Implicativo y de Cierre • Los oyentes tienen expectativas proporcionales cuan implicativo es un intervalo
- 46. Expectativas en pares de intervalos melódicos
- 47. ¿Y como relacionamos las dos cosas?
- 48. • Los principios de IR son innatos (se supone) • Su relación con los estilos no pasa por el hecho de que los oyentes cambien • Sino que porque cada estilo debería estar marcado por combinaciones especificas. Warning!
- 49. Proyectando
- 50. Proyectando • Los principios explican poca varianza • Las proyecciones parecen bastante chatas • No separa bien los estilos • Sin embargo, es notable que haya tendencias compartidas
- 51. Dime qué haces y te diré quién eres En resumen…
- 52. ¡Gracias!