Musikanalyse som mønsteridentifikation

    Publikation: Bidrag til bog/antologi/rapport/konference proceedingKonferenceabstrakt i proceedingForskning

    Resumé

    En væsentlig del af den musikforskning, der siden midten af 60’erne er blevet klassificeret som “computerassisteret musikvidenskab”, implicerer algoritmisk identifikation af mønstre. I kraft af musikkens konvertering til maskinlæsbare repræsentationsformer søges efter identiske og beslægtede strukturer i musikstykker (evt. dele heraf) eller en samling af flere musikstykker, for at konstatere musikalsk kohærens eller stilistisk særpræg; alt dette ud fra den betragtning — hvilken bekræftes indenfor perceptions- og kognitionsforskningen —, at repetition i vid forstand (eksakt eller varieret, direkte i forlængelse eller adskilt over tid, melodisk, rytmisk, harmonisk, klangfarvemæssig, dynamisk etc.) udgør en grundlæggende sammenhængs- og genkendelsesfaktor i musik. Selvom ‘mønsteridentifikation’ ofte associerer til tekstanalyse eller molekylærbiologi, er der således tale om en almengyldig analysemetode uden specifikt fagligt tilhørsforhold, som ikke mindst korresponderer med musikvidenskabens traditionelle kernedisciplin, musikanalysen, eller nærmere præciseret: den formale eller strukturelle musikanalyse, der kultiveres ved videregående musikalske uddannelser. Metoden forekommer velegnet i relation til Nattiez’ “paradigmatiske analyse”, hvor det efterstræbte ‘neutrale’ analyseniveau, uafhængigt af musikkens tilblivelse (poiesis) og dens reception (aisthesis), synes bedre realiserbart end ved manuelt analysearbejde. I den forbindelse er algoritmens mest iøjnefaldende fordel den metodiske stringens, hvormed den opererer, foruden at den ikke ‘overser’ noget. Omvendt er analytikeren tvunget til at formulere præcise spørgsmål for at opnå et brugbart output. Dette afføder en række problemer, hvoraf nogle synes mere overkommelige end andre. Der skitseres herunder blot et mindre udvalg, hvilket knytter sig specielt til identifikationen af melodiske mønstre: 1) segmentering, hvor mange eller hvor få toner konstituerer et mønster? 2) transpositionsinvarians, hvorledes identificere melodisk lighed på baggrund af forskellige data? 3) tolerancetærskel, hvorledes kvantificere melodisk variation? 4) mangedimensionering, hvorledes foretage det rette valg mellem forskellige beskrivelsesmodeller indenfor parametrene, tonehøjde og rytme? 5) gennembrudt melodik, hvorledes identificere mønstre på tværs af flere individuelle, evt. polyfone stemmer?
    OriginalsprogDansk
    TitelIkke angivet
    Antal sider1
    ForlagDansk Selskab for Musikforskning
    Publikationsdato2005
    StatusUdgivet - 2005
    BegivenhedMusikanalytiske temaer i dansk musikvidenskab - Århus, Danmark
    Varighed: 16 apr. 200516 apr. 2005

    Konference

    KonferenceMusikanalytiske temaer i dansk musikvidenskab
    LandDanmark
    ByÅrhus
    Periode16/04/200516/04/2005

    Citer dette

    Bonde, A. (2005). Musikanalyse som mønsteridentifikation. I Ikke angivet Dansk Selskab for Musikforskning.
    Bonde, Anders. / Musikanalyse som mønsteridentifikation. Ikke angivet. Dansk Selskab for Musikforskning, 2005.
    @inbook{defd55009c2c11db8ed6000ea68e967b,
    title = "Musikanalyse som m{\o}nsteridentifikation",
    abstract = "En v{\ae}sentlig del af den musikforskning, der siden midten af 60’erne er blevet klassificeret som “computerassisteret musikvidenskab”, implicerer algoritmisk identifikation af m{\o}nstre. I kraft af musikkens konvertering til maskinl{\ae}sbare repr{\ae}sentationsformer s{\o}ges efter identiske og besl{\ae}gtede strukturer i musikstykker (evt. dele heraf) eller en samling af flere musikstykker, for at konstatere musikalsk koh{\ae}rens eller stilistisk s{\ae}rpr{\ae}g; alt dette ud fra den betragtning — hvilken bekr{\ae}ftes indenfor perceptions- og kognitionsforskningen —, at repetition i vid forstand (eksakt eller varieret, direkte i forl{\ae}ngelse eller adskilt over tid, melodisk, rytmisk, harmonisk, klangfarvem{\ae}ssig, dynamisk etc.) udg{\o}r en grundl{\ae}ggende sammenh{\ae}ngs- og genkendelsesfaktor i musik. Selvom ‘m{\o}nsteridentifikation’ ofte associerer til tekstanalyse eller molekyl{\ae}rbiologi, er der s{\aa}ledes tale om en almengyldig analysemetode uden specifikt fagligt tilh{\o}rsforhold, som ikke mindst korresponderer med musikvidenskabens traditionelle kernedisciplin, musikanalysen, eller n{\ae}rmere pr{\ae}ciseret: den formale eller strukturelle musikanalyse, der kultiveres ved videreg{\aa}ende musikalske uddannelser. Metoden forekommer velegnet i relation til Nattiez’ “paradigmatiske analyse”, hvor det efterstr{\ae}bte ‘neutrale’ analyseniveau, uafh{\ae}ngigt af musikkens tilblivelse (poiesis) og dens reception (aisthesis), synes bedre realiserbart end ved manuelt analysearbejde. I den forbindelse er algoritmens mest i{\o}jnefaldende fordel den metodiske stringens, hvormed den opererer, foruden at den ikke ‘overser’ noget. Omvendt er analytikeren tvunget til at formulere pr{\ae}cise sp{\o}rgsm{\aa}l for at opn{\aa} et brugbart output. Dette aff{\o}der en r{\ae}kke problemer, hvoraf nogle synes mere overkommelige end andre. Der skitseres herunder blot et mindre udvalg, hvilket knytter sig specielt til identifikationen af melodiske m{\o}nstre: 1) segmentering, hvor mange eller hvor f{\aa} toner konstituerer et m{\o}nster? 2) transpositionsinvarians, hvorledes identificere melodisk lighed p{\aa} baggrund af forskellige data? 3) tolerancet{\ae}rskel, hvorledes kvantificere melodisk variation? 4) mangedimensionering, hvorledes foretage det rette valg mellem forskellige beskrivelsesmodeller indenfor parametrene, toneh{\o}jde og rytme? 5) gennembrudt melodik, hvorledes identificere m{\o}nstre p{\aa} tv{\ae}rs af flere individuelle, evt. polyfone stemmer?",
    author = "Anders Bonde",
    year = "2005",
    language = "Dansk",
    booktitle = "Ikke angivet",
    publisher = "Dansk Selskab for Musikforskning",

    }

    Bonde, A 2005, Musikanalyse som mønsteridentifikation. i Ikke angivet. Dansk Selskab for Musikforskning, Musikanalytiske temaer i dansk musikvidenskab, Århus, Danmark, 16/04/2005.

    Musikanalyse som mønsteridentifikation. / Bonde, Anders.

    Ikke angivet. Dansk Selskab for Musikforskning, 2005.

    Publikation: Bidrag til bog/antologi/rapport/konference proceedingKonferenceabstrakt i proceedingForskning

    TY - ABST

    T1 - Musikanalyse som mønsteridentifikation

    AU - Bonde, Anders

    PY - 2005

    Y1 - 2005

    N2 - En væsentlig del af den musikforskning, der siden midten af 60’erne er blevet klassificeret som “computerassisteret musikvidenskab”, implicerer algoritmisk identifikation af mønstre. I kraft af musikkens konvertering til maskinlæsbare repræsentationsformer søges efter identiske og beslægtede strukturer i musikstykker (evt. dele heraf) eller en samling af flere musikstykker, for at konstatere musikalsk kohærens eller stilistisk særpræg; alt dette ud fra den betragtning — hvilken bekræftes indenfor perceptions- og kognitionsforskningen —, at repetition i vid forstand (eksakt eller varieret, direkte i forlængelse eller adskilt over tid, melodisk, rytmisk, harmonisk, klangfarvemæssig, dynamisk etc.) udgør en grundlæggende sammenhængs- og genkendelsesfaktor i musik. Selvom ‘mønsteridentifikation’ ofte associerer til tekstanalyse eller molekylærbiologi, er der således tale om en almengyldig analysemetode uden specifikt fagligt tilhørsforhold, som ikke mindst korresponderer med musikvidenskabens traditionelle kernedisciplin, musikanalysen, eller nærmere præciseret: den formale eller strukturelle musikanalyse, der kultiveres ved videregående musikalske uddannelser. Metoden forekommer velegnet i relation til Nattiez’ “paradigmatiske analyse”, hvor det efterstræbte ‘neutrale’ analyseniveau, uafhængigt af musikkens tilblivelse (poiesis) og dens reception (aisthesis), synes bedre realiserbart end ved manuelt analysearbejde. I den forbindelse er algoritmens mest iøjnefaldende fordel den metodiske stringens, hvormed den opererer, foruden at den ikke ‘overser’ noget. Omvendt er analytikeren tvunget til at formulere præcise spørgsmål for at opnå et brugbart output. Dette afføder en række problemer, hvoraf nogle synes mere overkommelige end andre. Der skitseres herunder blot et mindre udvalg, hvilket knytter sig specielt til identifikationen af melodiske mønstre: 1) segmentering, hvor mange eller hvor få toner konstituerer et mønster? 2) transpositionsinvarians, hvorledes identificere melodisk lighed på baggrund af forskellige data? 3) tolerancetærskel, hvorledes kvantificere melodisk variation? 4) mangedimensionering, hvorledes foretage det rette valg mellem forskellige beskrivelsesmodeller indenfor parametrene, tonehøjde og rytme? 5) gennembrudt melodik, hvorledes identificere mønstre på tværs af flere individuelle, evt. polyfone stemmer?

    AB - En væsentlig del af den musikforskning, der siden midten af 60’erne er blevet klassificeret som “computerassisteret musikvidenskab”, implicerer algoritmisk identifikation af mønstre. I kraft af musikkens konvertering til maskinlæsbare repræsentationsformer søges efter identiske og beslægtede strukturer i musikstykker (evt. dele heraf) eller en samling af flere musikstykker, for at konstatere musikalsk kohærens eller stilistisk særpræg; alt dette ud fra den betragtning — hvilken bekræftes indenfor perceptions- og kognitionsforskningen —, at repetition i vid forstand (eksakt eller varieret, direkte i forlængelse eller adskilt over tid, melodisk, rytmisk, harmonisk, klangfarvemæssig, dynamisk etc.) udgør en grundlæggende sammenhængs- og genkendelsesfaktor i musik. Selvom ‘mønsteridentifikation’ ofte associerer til tekstanalyse eller molekylærbiologi, er der således tale om en almengyldig analysemetode uden specifikt fagligt tilhørsforhold, som ikke mindst korresponderer med musikvidenskabens traditionelle kernedisciplin, musikanalysen, eller nærmere præciseret: den formale eller strukturelle musikanalyse, der kultiveres ved videregående musikalske uddannelser. Metoden forekommer velegnet i relation til Nattiez’ “paradigmatiske analyse”, hvor det efterstræbte ‘neutrale’ analyseniveau, uafhængigt af musikkens tilblivelse (poiesis) og dens reception (aisthesis), synes bedre realiserbart end ved manuelt analysearbejde. I den forbindelse er algoritmens mest iøjnefaldende fordel den metodiske stringens, hvormed den opererer, foruden at den ikke ‘overser’ noget. Omvendt er analytikeren tvunget til at formulere præcise spørgsmål for at opnå et brugbart output. Dette afføder en række problemer, hvoraf nogle synes mere overkommelige end andre. Der skitseres herunder blot et mindre udvalg, hvilket knytter sig specielt til identifikationen af melodiske mønstre: 1) segmentering, hvor mange eller hvor få toner konstituerer et mønster? 2) transpositionsinvarians, hvorledes identificere melodisk lighed på baggrund af forskellige data? 3) tolerancetærskel, hvorledes kvantificere melodisk variation? 4) mangedimensionering, hvorledes foretage det rette valg mellem forskellige beskrivelsesmodeller indenfor parametrene, tonehøjde og rytme? 5) gennembrudt melodik, hvorledes identificere mønstre på tværs af flere individuelle, evt. polyfone stemmer?

    M3 - Konferenceabstrakt i proceeding

    BT - Ikke angivet

    PB - Dansk Selskab for Musikforskning

    ER -

    Bonde A. Musikanalyse som mønsteridentifikation. I Ikke angivet. Dansk Selskab for Musikforskning. 2005