Preferência e emoção em ambientes de escuta musical mediados pela tecnologia

Detalhes bibliográficos
Autor(a) principal: Silva, Elder Gomes da, 1986-
Data de Publicação: 2021
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/72827
Resumo: Orientador: Prof. Dr. Danilo Ramos
id UFPR_21266cbfea541606f567408d22d6f6ed
oai_identifier_str oai:acervodigital.ufpr.br:1884/72827
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Silva, Elder Gomes da, 1986-Universidade Federal do Paraná. Setor de Artes, Comunicação e Design. Programa de Pós-Graduação em MúsicaRamos, Danilo, 1978-2021-12-20T17:09:22Z2021-12-20T17:09:22Z2021https://hdl.handle.net/1884/72827Orientador: Prof. Dr. Danilo RamosTese (doutorado) - Universidade Federal do Paraná, Setor de Artes, Comunicação e Design, Programa de Pós-Graduação em Música. Defesa : Curitiba, 06/05/2021Inclui referências: p. 122-135Resumo: Esta tese teve como objetivo geral investigar a preferência musical de usuários de uma rede social voltada para o compartilhamento de suas escolhas musicais, no intuito de compreender alguns dos processos relacionados aos seus hábitos de escuta. A hipótese da pesquisa foi de que as variáveis descritas na Nova Estética Experimental de Daniel Berlyne e na Teoria Unificada das Emoções Musicais sintetizada por Patrik Juslin poderiam influenciar a preferência musical dos ouvintes no contexto da música difundida pelos serviços de streaming na medida em que afetariam diretamente a popularidade das faixas musicais. Para tanto, três mecanismos psicológicos subjacentes às emoções musicais (reflexo do tronco cerebral, pareamento rítmico e contágio emocional), além de variáveis derivadas de componentes da Nova Estética Experimental foram empregados como preditores da preferência utilizando recursos de inteligência artificial, notadamente a mineração de dados e aprendizagem de máquina. Os dados foram coletados com auxílio do Goliath Toolbox, uma ferramenta desenvolvida no decorrer desta pesquisa para Matlab R2017b destinada a minerar dados na Last.Fm API e nos bancos de dados da MetaBrainz Foundation. Posteriormente, as simulações foram elaboradas e analisadas com utilização do software Orange Data Mining 3.26 e Python 3.6.6. O estudo I apresenta os detalhes do desenvolvimento do Goliath Toolbox. O estudo II, por sua vez, apresenta a simulação da preferência musical, empregando um algoritmo de redes neurais artificiais. Os dados foram coletados junto à Last.Fm API e à AcousticBrainz; posteriormente, tabulados, processados e submetidos à simulação. A análise dos dados revelou a possibilidade de predição da preferência a partir das variáveis elencadas (R²=0,900 na etapa de treinamento). O estudo III testou a simulação da preferência musical utilizando recursos experimentais com a participação de humanos. Os dados foram extraídos da Last.Fm API e da AcousticBrainz utilizando um parâmetro de geolocalização (dados referentes a usuários brasileiros) e, posteriormente, submetidos à mesma simulação do Estudo II. Os dados obtidos por meio da implementação da simulação foram comparados com os resultados observados durante um experimento, no qual 89 ouvintes realizavam um teste de escolha forçada referente a preferência musical. Os resultados mostraram incompatibilidade entre os resultados da simulação e o teste de escolha forçada (D=0,8, p<0,000). Finalmente, o estudo IV procurou implementar uma regressão linear para estimar a popularidade das faixas musicais. Os dados foram coletados reiteradamente durante três anos (2018, 2019 e 2020) e, posteriormente, submetidos a uma simulação utilizando um algoritmo de regressão linear. Os resultados da implementação sugerem um comportamento análogo à hipótese da rainha vermelha descrita por Van Valen no contexto da pesquisa em biologia evolutiva e da teoria dos jogos na década de 1970, em que as faixas se encontram crescendo em popularidade continuamente enquanto concorrem pelos mesmos nichos de mercado.Abstract: This thesis aimed to investigate the musical preference of users of a social network focused on sharing their choices, to understand some of the processes related to their listening habits. The hypothesis was that the variables described in Daniel Berlyne's New Experimental Aesthetics and in the Unified Theory of Musical Emotions synthesized by Patrik Juslin may influence musical preference, insofar as they directly affect the popularity of the musical tracks accessed by streaming. For this, three psychological mechanisms underlying musical emotions (brainstem reflex, rhythmic entrainment and emotional contagion), in addition to variables derived from the components of the New Experimental Aesthetics were used as predictors of preference using artificial intelligence resources, notably data mining and machine learning. The data were collected with the aid of the Goliath Toolbox, a tool developed in Matlab R2017b during this research designed to mine data in the Last.Fm API and in the databases of the MetaBrainz Foundation. Subsequently, the simulations were developed and analyzed using Orange Data Mining 3.26 and Python 3.6.6. Study I present the details of the development of the Goliath Toolbox. Study II, in turn, presents the simulation of musical preference, using an artificial neural network algorithm. Data were collected from Last.Fm API and AcousticBrainz; subsequently, tabulated, processed, and submitted to simulation. Data analysis revealed the possibility of prediction of preference based on the variables listed (R² = 0,900 in the training stage). Study III sought to test the simulation of musical preference using experimental resources with the participation of humans. The data were extracted from Last.Fm API and AcousticBrainz using a geolocalization parameter (data referring to Brazilian users) and, subsequently, submitted to the same simulation of Study II. The data obtained through the implementation of the simulation were compared with the results observed during an experiment, in which 89 listeners performed a forced choice test regarding musical preference. The results showed incompatibility between the results of the simulation and the forced choice test (D = 0,8, p <0,000). Finally, Study IV sought to implement a linear regression to estimate the popularity of musical tracks. Data were collected repeatedly for three years (2018, 2019 and 2020) and subsequently subjected to a simulation using a linear regression algorithm. The results of the implementation suggest a behavior analogous to the red queen hypothesis described by Van Valen in the context of research in evolutionary biology and game theory in the 70s, in which the tracks are growing in popularity continuously while competing for them niche markets.1 arquivo (171 p.) : PDF.application/pdfMúsicaMúsica - EmoçõesInteligência artificialPreferência e emoção em ambientes de escuta musical mediados pela tecnologiainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - ELDER GOMES DA SILVA.pdfapplication/pdf3124006https://acervodigital.ufpr.br/bitstream/1884/72827/1/R%20-%20T%20-%20ELDER%20GOMES%20DA%20SILVA.pdf6bb1815c2e9e7b0b60c212fc67ed727bMD51open access1884/728272021-12-20 14:09:23.048open accessoai:acervodigital.ufpr.br:1884/72827Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082021-12-20T17:09:23Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Preferência e emoção em ambientes de escuta musical mediados pela tecnologia
title Preferência e emoção em ambientes de escuta musical mediados pela tecnologia
spellingShingle Preferência e emoção em ambientes de escuta musical mediados pela tecnologia
Silva, Elder Gomes da, 1986-
Música
Música - Emoções
Inteligência artificial
title_short Preferência e emoção em ambientes de escuta musical mediados pela tecnologia
title_full Preferência e emoção em ambientes de escuta musical mediados pela tecnologia
title_fullStr Preferência e emoção em ambientes de escuta musical mediados pela tecnologia
title_full_unstemmed Preferência e emoção em ambientes de escuta musical mediados pela tecnologia
title_sort Preferência e emoção em ambientes de escuta musical mediados pela tecnologia
author Silva, Elder Gomes da, 1986-
author_facet Silva, Elder Gomes da, 1986-
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Artes, Comunicação e Design. Programa de Pós-Graduação em Música
dc.contributor.author.fl_str_mv Silva, Elder Gomes da, 1986-
dc.contributor.advisor1.fl_str_mv Ramos, Danilo, 1978-
contributor_str_mv Ramos, Danilo, 1978-
dc.subject.por.fl_str_mv Música
Música - Emoções
Inteligência artificial
topic Música
Música - Emoções
Inteligência artificial
description Orientador: Prof. Dr. Danilo Ramos
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-12-20T17:09:22Z
dc.date.available.fl_str_mv 2021-12-20T17:09:22Z
dc.date.issued.fl_str_mv 2021
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/72827
url https://hdl.handle.net/1884/72827
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 arquivo (171 p.) : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/72827/1/R%20-%20T%20-%20ELDER%20GOMES%20DA%20SILVA.pdf
bitstream.checksum.fl_str_mv 6bb1815c2e9e7b0b60c212fc67ed727b
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860351185125376

Registros relacionados