伊索说:“音乐常使死亡延迟。”音乐对人类的影响已经有几千年的历史记载。过去10年的科学研究表明, 音乐不仅仅是一项娱乐项目, 它在人类进化中扮演了不可或缺的角色, 它与语言沟通、社会联系和人类发展密切相关。直到今天, 音乐仍然是人类生活中的重要组成部分。在大部分情况下, 11—44%的人都会听音乐。如今我们已经可以用大数据及人工智能技术来监测音乐对人所产生的心理影响及生理指数变化。本文通过对以往音乐应用研究的回顾, 探索音乐大数据的不同研究领域, 阐释在大数据时代音乐在临床治疗领域的应用。
维克多·马耶尔·斯科尔伯格和肯尼斯·库克提出:大数据分析不是传统的使用随机分析等类似的方法进行便捷、快速的数据处理, 而是使用全部的数据来进行分析的方式。大数据分为两种类型:一种是静态数据结构, 是指数字化工作中, 从纸本文献到数字文献的迁移;另一种是动态数据结构, 包括人类的所有互动活动, 例如人与人之间思想的交流、知识的交换等。
音乐大数据具有大数据的所有特质, 是指与音乐有关的所有数据。与现有的各种大数据对比之下, 音乐大数据目前还很不集中, 比较零散, 所以梳理音乐大数据就需要在不同的终端上进行。相关研究者利用移动技术持续跟踪人们听音乐的行为 (例如数字足迹和移动应用程序) , 以此考察音乐对人们的短期和长期的影响。短期效应包括行为改变, 如态度、情绪和动机的改变。一些研究表明, 音乐感知有显著的文化差异, 音乐大数据可以较为真实、全面地反应不同地区人们的音乐偏好。除了人口密度、气候差异、民族特色和地理位置等文化变量外, 音乐大数据还可以将这些信息与个人层面的健康数据联系起来, 产生音乐和个体健康密切相关的新认知。
听音乐可以缓解人的焦虑及抑郁情绪, 对抑郁症、自闭症、创伤后精神障碍等均有治疗作用。音乐大数据的发现也可以用于开发基于音乐的补充药物, 在手术前和手术后使用有利于患者康复。初步的研究发现, 音乐对免疫系统有一定的影响力, 能够用于抵抗疾病, 可以在医疗保健方面广泛应用。重要的是, 医疗行业和流媒体服务可以为他们的用户开发健康应用, 为民造福。
常用的音乐数据提取工具有PsySound和Marsyas等。这里, 我们以Marsyas工具为例加以说明。Marsyas的主要目标是提供一个高效、可扩展的软件框架, 用于音频分析 (合成) 应用与音乐信息检索 (MIR, Music Information Retrieval) 。Marsyas软件支持两种不同类型的用户:初级用户和专家用户。初级用户可通过构建网络的原始对象和使用控制工具来进行一些试验。他们可通过用户的图形界面或高水平脚本来与系统进行交互, 而不用去编译任何代码。
尽管计算机音乐一直是最成功的数据流技术应用之一, 但是, 它也面对两个难题:其一, 现有的音频处理数据流框架难以清晰地处理光谱和滤波器的数据;其二, 固定的缓冲区大小限制了音频和控制率。Marsyas运用隐式修补技术, 试图解决这些问题, 同时保持数据流计算的优点。
我们一般采用以下四种方法进行音乐大数据的收集和整理。
大规模网络调查:一般来说, 在线调查所产生的数据是包括倾听者的心理特征的自我陈述报告, 以及关于倾听者听音乐的其他信息, 比如音乐风格偏好、情感反应或对音乐刺激的感知等系列数据。这种方法的主要优点是它提供了对世界各地大量不同样本的访问, 从而得出的数据更有普遍性。
已经有几个成功平台的例子, 其中收集了大量的音乐心理学数据:
1) 在自我性格测试项目中, 超过2万名Facebook用户提供了他们对音乐刺激做出的情感反应和完成的措施。从这些数据中, 研究人员已经能够对这些数据进行音乐偏好的结构及其与个性和认知风格的关系研究。
2) 作为网络的一部分, 音乐喜好项目服务, 二十五万名参与者自述了他们各自喜爱的音乐电影类别。从这个数据集里, 研究人员已经能够在整个年龄段中研究音乐偏好, 表明音乐偏好的发展趋势与Erikson的发展阶段的社会心理阶段相对应。
3) 作为英国广播公司“Lab UK”项目的一部分, 近15万参与者完成了音乐能力的行为任务的自我报告。这些数据被研究人员用来探索音乐复杂性的结构、关联和地理分布。这些性格特征预示着音乐家和非音乐家都有音乐能力。
4) 最近, 格林伯格创建了“音乐宇宙计划”, 它是音乐和心理变量的数量和广度的最广泛的数据集之一。超过10万人已经完成了对音乐喜好, 人格的测量, 人口统计 (包括音乐、音乐消费、音乐训练、地理位置和临床诊断) 。在心理信息方面, 大量的子样本已经完成了关于情绪、认知风格、情绪调节、价值观、以及黑暗的人格和读心术测试。在音乐信息方面, 大量的子样本已经完成了对音乐接触风格、音乐感知、音乐和创造性艺术表现属性的测量, 以及在听音乐的反应中发现了移情作用的实验听力任务。
在线社交媒体 (OSM, Online social media) 是一个可以通过数字足迹在系统外观察到音乐行为的领域。OSM是人们聚在一起共享信息的——一种交互作用, 它包括音乐信息的表达。通常, OSM的数据可用性包括从Twitter的点赞数赞和Facebook上获得的听音乐的行为记录。这些信息可以补充大量的网络调查, 因为参与者可以从社交媒体中被招募来完成一项调查, 然后他们可以与朋友分享。研究人员可以自由地访问OSM数据。例如, 有很多研究团队学科已经转向了Twitter解决研究的问题。首先, 他们灵活地使用政策条款, 允许研究人员在他们的研究中使用公开发布的推文和信息。其次, Twitter此前开发了一种功能, 让研究人员可以下载一小部分 (比如1%) 的数据。第三, Twitter已经将部分数据 (上升到10%) , 提供给过去的研究人员。再由心理学家以多种方式利用这一数据, 包括理解OSM语言是如何与个人和地理层面联系在一起的。这可以通过使用推文的语言分析和个性的自我报告来完成。
免费的音乐数据集包括了音乐监听行为和微博用户发布的事件, 还包括由艺术家和追踪信息组成的元数据。数据集不断更新, 当前包含62217458条推文;2296758用户;2296758关注;和172313名艺术家。还有其他的途径可以使用数字足迹, 包括微信用户的活动和喜好。Facebook用户的喜好可以细分到艺术家、歌曲和风格上, 作为一种收集音乐偏好数据的方式。
OSM数据的不足之处是, 它实际上并没有捕捉到真正的音乐聆听行为。此外, 社交媒体上的这些想法、宗教信仰和态度可能会因为社会的渴望和与音乐行为相关的社会内涵而产生偏见。先前的研究表明, 人们把音乐当作一种身份代表, 人们根据他们的音乐喜好来判断他人——这些判断都是一致的, 并且包含了一些真相。因此, 人们在社交媒体平台上的音乐专用数字足迹, 比其他大型数据平台所得出的数据更有可能影响社会内涵和实现社会目标。
最有效的数据是直接从音乐流媒体服务平台获得, 包括人们日常听音乐的数据记录。这不仅可以捕获数据的音乐偏好, 还可以通过其用户的听音乐历史捕捉用户的收听习惯 (例如:使用者重复播放全部歌曲, 或跳过歌曲的某些部分) 。这样的数据, 最有希望成为他们捕捉真正的倾听行为, 包括大比例的用户的听觉行为与他们的日常生活和从事职业有关。然而, 音乐流媒体数据的缺点是, 它不捕获用户深入的心理特征, 这使我们很难研究音乐对听众的影响。而且因为许多流媒体服务不允许研究人员访问他们的数据, 所以采用数据流可能是最具挑战性的。
除了在个人层面上有大量的音乐数据外, 在歌曲的层面上也有大量的音乐数据。这包括音乐类型标签以及歌曲的感知属性等元数据。现在有几个基于机器学习的软件程序可以检测和提取歌单中歌曲的特征。例如, 最近的一项研究调查了过去半个世纪的1.7万张唱片中音乐风格的变化。这些数据库中有许多已经生成并被用于工业和商业目的, 以及像QQ音乐这样的音乐应用程序, 它们可以在几秒钟内就能识别出一首歌曲。歌单的数据直到最近才开始被心理学家使用。例如, 最近的一项研究发现, 在音乐水平上感知音乐属性的组织方式, 是一种反映了之前建立的心理模型的方式, 包括影响环形模型, 以及用来概念化情绪状态的框架。然而, 需要更详细地理解歌单音乐属性。理解特定的和声、节奏、旋律和动态结构会引起听众的心理和情感反应。对于理解音乐结构与人类反应之间的联系, 百万歌单和人工智能技术将特别有用。
理论和实践都表明人们通过听音乐的方式满足了他们的心理需要, 然而, 由于实验室和时间的限制, 了解音乐的用途和效果仅限于人造环境。尽管神经科学研究已经证明了听音乐是如何与大脑结构和活动联系在一起的, 但对于实验参与者不同的音乐审美来说, 限制了实验数据的普遍性。相比之下, 音乐大数据供了生物学映射复杂音乐行为的机会。最重要的, 它提供了一个前所未有的机会来了解音乐能够改变人的行为, 并影响健康。为了获得这种新的认识, 音乐治疗领域的专家和心理学家将要采取的方法是结合信息社会变量与音乐大数据。通过音乐大数据可观察音乐的变量导致的行为改变, 并研究改善健康的方法。这些知识可以被用来开发临床应用及音乐治疗, 改善健康状况。
音乐大数据的到来即将带来绝佳机会, 可以展开音乐在医学及心理学领域应用新篇章。在这里, 我们强调新知识和新技术, 可以对个人和社会产生积极影响。然而, 这样的信息在坏人手中也可以用来产生消极行为和增加侵略性, 如不健康歌词等音乐元素可能增加负面情感这些都是道德方面的考虑。从过去几十年的研究理论表明, 听音乐对人类的生理和心理、以及对社会都有千丝万缕的影响。然而, 有些人仍然认为音乐研究是不重要的。如本文所述, 音乐影响对人类生活的影响是深远的。随着音乐大数据的出现, 无疑会吸引人们的注意。我们敦促研究人员集中精力进行科学探索, 将现实世界的影响, 将音乐大数据的研究最终有利于个人和社会。
摘要：当今时代, 通过将先前的理论研究与大数据结合起来, 从而可以获得对人们使用音乐的方式和所受其的影响的了解。数据流服务系统显示, 现在有数以百万计的人有每天听音乐的习惯;一些可穿戴设备 (如运动手表) 能够采集用户的生理指标, 包括心率和皮肤电反应;移动技术可跟踪一个人的瞬间活动的位置变化、情绪变化和社交状况;人工智能领域的测量仪器和数码计算仅在一分钟内就可以捕捉人的特性及其他生理指标。本文着重探索音乐数据库中数据与数据之间的关系脉络, 重构研究者研究思维, 并发现音乐数据之间的所属关系、因果关系等。
关键词：音乐,大数据,流媒体,应用
[1] 维克托·迈尔·舍恩伯格, 周涛.大数据时代--生活、工作与思维的大变革[J].人力资源管理, 2013, (3) :136-136.
[2] Mcdermott J H, Schultz A F, Undurraga E A, et al.Indifference to dissonance in native Amazonians reveals cultural variation in music perception[J].Nature, 2016, 535 (7613) :547-550.
[3] Hole J, Hirsch M, Ball E, et al.Music as an aid for postoperative recovery in adults:a systematic review and meta-analysis.[J].Lanc et, 2015, 386 (10004) :1659-1671.
[4] 王延松, 游旭群, 黄杰等.音乐能增强我们的免疫力吗--音乐的心理神经免疫学效应研究的新进展[J].心理科学, 2016, (3) :748-753.
[5] Greenberg D M, Rentfrow P J.Music and big data:a new frontier[J].Current Opinion in Behavioral Sciences, 2017, (18) :50-56.
推荐阅读：
大数据在旅游业的应用06-30
大数据在物流方面应用07-26
大数据时代的口号06-08
大数据诱发教学深度变革的实现方式07-23
大数据环境论文06-09
大数据失败案例09-11
行业大数据建设方案05-28
大数据时代背景下05-30
大数据社会治理创新06-15
大数据英语作文范文07-17
