La lectura musical y la complejidad en la partitura:

Patricio Calatayud; Pablo Padilla Longoria; María del Mar Galera-Núñez; Gabriela Pérez-Acosta

doi:10.29057/ia.v11i22.10638

Patricio Calatayud Universidad Nacional Autónoma de México https://orcid.org/0000-0001-7693-7666
Pablo Padilla Longoria Universidad Nacional Autónoma de México https://orcid.org/0000-0003-3457-6289
María del Mar Galera-Núñez Universidad de Sevilla https://orcid.org/0000-0003-3693-1694
Gabriela Pérez-Acosta Universidad Nacional Autónoma de México https://orcid.org/0000-0002-5371-5128

DOI: https://doi.org/10.29057/ia.v11i22.10638

Palabras clave: Notación musical, complejidad, amplitud perceptual, memoria de trabajo

Resumen

Presentamos un modelo que permite dividir el contenido de la partitura automáticamente, basado en las ideas más recientes de lectura, cognición y complejidad musicales. Relacionando la “amplitud perceptual” y la “memoria de trabajo”, somos capaces de encontrar umbrales precisos, que pueden ser utilizados para evaluar la complejidad de música leída. El modelo se ajusta a los requerimientos de validez ecológica para los cálculos que evalúan la complejidad en música escrita y la validación muestra que el mismo es aplicable a fragmentos fáciles y difíciles escritos con notación musical.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Pablo Padilla Longoria, Universidad Nacional Autónoma de México

Pablo Padilla
Cursó las licenciaturas en Matemáticas (medalla Gabino Barreda) y Física en la
Universidad Nacional Autónoma de Mexico y piano en el Conservatorio Nacional de
Música. Obtuvo la maestría en ciencias (M.Sc.) y el doctorado en ciencias (Ph.D.) del
Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York, así como el
diploma en piano del Mannes College of Music, en donde también estudio clavecín,
composición e improvisación.
Ocupó una posición postdoctoral en el Instituto Politécnico Federal de Suiza en Zürich
(ETH) y continuó estudios de clavecín en la Escuela Superior de Música de la misma
ciudad con la Mtra. Carmen Schibli.
Ha sido profesor visitante en diferentes universidades, incluyendo la Universidad de
Oxford, la Escuela de Altos estudios en Ciencias Sociales (EHESS, París) y la Universidad
de Cambridge. Ha dado conferencias en varias instituciones, incluyendo la U. Complutense
de Madrid, la Universidad de Granada, el Instituto Coreano de Estudios Avanzados
(KIAS), la Escuela Normal de Ingenieros de Túnez (ENIT), las Universidades de Roma,
Chile, Keio (Japón), el Instituto Superior Técnico de Lisboa, la Universidad de Harvard, el
Instituto Isaac Newton de Cambridge, etc.
Actualmente es profesor titular C del Departamento de Matemáticas y Mecánica del
Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS) de la UNAM
e imparte clases en la Facultad de Ciencias y en la Facultad de Música, también de la
UNAM.
Sus intereses de investigación incluyen las ecuaciones diferenciales no lineales, los
sistemas dinámicos, el cálculo de variaciones y matemáticas aplicadas a la biología y las
finanzas. Adicionalmente ha hecho investigación en modelos matemáticos en acústica
arqueológica (arqueoacústica) y aspectos matemáticos de la música (composición
algorítmica y métodos de inteligencia artificial aplicados a la música).
Es miembro de la Academia Mexicana de Ciencias y del Sistema Nacional de Investigadores.

María del Mar Galera-Núñez, Universidad de Sevilla

Mar Galera-Núñez es doctora en Ciencias de la Educación, titulada superior de las
especialidades de: Piano, Música de Cámara y Solfeo y Teoría de la Música; licenciada en
Historia del Arte por la Universidad de Sevilla; Experta en Métodos y Recursos de Educación
Musical por la Universidad de la Laguna. Es miembro del Grupo de Investigación Didáctica
(GID). Sus principales líneas de investigación están relacionadas con los lenguajes artísticos en
la educación, la tecnología musical y la formación musical del profesorado de infantil. Ha
participado en calidad de directora e investigadora en diferentes proyectos de investigación
relacionados con la enseñanza de la música y ha sido miembro del comité científico de
diferentes congresos educativos, así como revisora en revistas relacionadas con la educación
musical y artística: LEEME, Educación XX1, Pedagogía Social, Electronic Journal of Research
in Educational Psychology, entre otras. Tiene casi un centenar de trabajos publicados entre
comunicaciones, artículos de revistas, capítulos y libros relacionados con la educación musical.

Citas

Angeler, D. G. (2020). Biodiversity in Music Scores. Challenges, 11(1), 7. https://doi.org/10.3390/challe11010007

Ávila Cascajares, F. S. (2021). Capacidad de memoria y estrategias de instrumentistas y no músicos en pruebas auditivas de Sternberg modificadas con unidades significativas musicales y verbales. Tesis de maestría en cognición musical: UNAM.

Bennett, D., Gobet, F., & Lane, P. C. R. (2020). Forming Concepts of Mozart and Homer Using Short-Term and Long-Term Memory: A Computational Model Based on Chunking. In S. Denison, M. Mack, Y. Xu, & B. C. Armstrong (Eds.), Proceedings of the 42th Annual Meeting of the Cognitive Science Society—Developing a Mind: Learning in Humans, Animals, and Machines, CogSci 2020, virtual, July 29—August 1, 2020.

Burman, D. D., & Booth, J. R. (2009). Music Rehearsal Increases the Perceptual Span for Notation. Music Perception, 26(4), 303–320. https://doi.org/10.1525/mp.2009.26.4.303

Chang, T.-Y., & Gauthier, I. (2021). Domain-specific and domain-general contributions to reading musical notation. Attention, Perception, & Psychophysics. https://doi.org/10.3758/s13414-021-02349-3

Chase, I. D. (2006). Music notation: A new method for visualizing social interaction in animals and humans. Frontiers in Zoology, 3(1), 18. https://doi.org/10.1186/1742-9994-3-18

Chitalkina, N., Puurtinen, M., Gruber, H., & Bednarik, R. (2020). Handling of incongruences in music notation during singing or playing. International Journal of Music Education, 39(1), 18–38. https://doi.org/10.1177/0255761420944036

Dover publications. (1983). Ludwig van Beethovens Werke, Serie 9, Nr.67. Leipzig: Breitkopf und Härtel, n.d.[1862]. Plate B.67. dominio público, acceso desde https://imslp.org/wiki/Piano_Concerto_No.3%2C_Op.37_(Beethoven%2C_Ludwig_van), acceso 2022-01-01.

Eden Ünlü, S., & Ece, A. S. (2019). Reading notation with Gestalt perception principles: Gestalt algı ilkeleri ile notasyon okuma. Journal of Human Sciences, 16(4), 1104–1120. https://doi.org/10.14687/jhs.v16i4.5822

Gunter, T. C., Schmidt, B.-H., & Besson, M. (2003). Let’s face the music: A behavioral and electrophysiological exploration of score reading. Psychophysiology, 40(5), Article 5. https://doi.org/10.1111/1469-8986.00074

Hattie, J. (2008). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. Routledge.

Holder, E., Tilevich, E., & Gillick, A. (2015). Musiplectics: Computational assessment of the complexity of music scores. 2015 ACM International Symposium on New Ideas, New Paradigms, and Reflections on Programming and Software (Onward!) - Onward! 2015, 107–120. https://doi.org/10.1145/2814228.2814243

Ishiguro, Y., & Rekimoto, J. (2011). Peripheral vision annotation: Noninterference information presentation method for mobile augmented reality. Proceedings of the 2nd Augmented Human International Conference on - AH ’11, 1–5. https://doi.org/10.1145/1959826.1959834

Janurik, M., Surján, N., & Józsa, K. (2022). The Relationship between Early Word Reading, Phonological Awareness, Early Music Reading and Musical Aptitude. Journal of Intelligence, 10(3), 50. https://doi.org/10.3390/jintelligence10030050

Laske, O. E. (1988). Introduction to Cognitive Musicology. Computer Music Journal, 12(1), 43. https://doi.org/10.2307/3679836

Lerdahl, F., & Jackendoff, R. (1983). A generative theory of tonal music. MIT Press.

Lopes, A. M., & Tenreiro Machado, J. A. (2019). On the Complexity Analysis and Visualization of Musical Information. Entropy, 21(7), 669. https://doi.org/10.3390/e21070669

Malbrán, S. (2007). El oído de la mente. Akal.

McConkie, G. W., & Rayner, K. (1975). The span of the effective stimulus during a fixation in reading. Perception & Psychophysics, 17(6), 578–586. https://doi.org/10.3758/BF03203972

Mills, J., & McPherson, G. E. (2015). Musical literacy: Reading traditional clef notation. En McPherson, G. E. (Ed.), The Child as Musician (pp. 177–191). Oxford University Press. https://doi.org/10.1093/acprof:oso/9780198744443.003.0009

Morgan, E., Fogel, A., Nair, A., & Patel, A. D. (2019). Statistical learning and Gestalt-like principles predict melodic expectations. Cognition, 189, 23–34. https://doi.org/10.1016/j.cognition.2018.12.015

Pease, A., Mahmoodi, K., & West, B. J. (2018). Complexity measures of music. Chaos, Solitons & Fractals, 108, 82–86. https://doi.org/10.1016/j.chaos.2018.01.021

Puurtinen, M. (2018). Eye on Music Reading: A Methodological Review of Studies from 1994 to 2017. Journal of Eye Movement Research, 11(2). https://doi.org/10.16910/jemr.11.2.2

Schultz, M. (1998). La notación musical desde la perspectiva semiótica. Arte e Investigación, 2(2), 44–47.

Sheridan, H., & Kleinsmith, A. L. (2021). Music reading expertise affects visual change detection: Evidence from a music-related flicker paradigm. Quarterly Journal of Experimental Psychology, 174702182110569. https://doi.org/10.1177/17470218211056924

Silva, S., & Castro, S. L. (2019). The time will come: Evidence for an eye-audiation span in silent music reading. Psychology of Music, 47(4), 504–520. https://doi.org/10.1177/0305735618765302

Sloboda, J. A. (1976). The effect of item position on the likelihood of identification by inference in prose reading and music reading. Canadian Journal of Psychology/Revue Canadienne de Psychologie, 30(4), Article 4. https://doi.org/10.1037/h0082064

Stenberg, A., & Cross, I. (2019). White spaces, music notation and the facilitation of sight-reading. Scientific Reports, 9(1), Article 1. https://doi.org/10.1038/s41598-019-41445-1

Stewart, L. (2005). A Neurocognitive Approach to Music Reading. Annals of the New York Academy of Sciences, 1060(1), Article 1. https://doi.org/10.1196/annals.1360.032

Valle, F. (1985). El problema de la validez ecológica. Estudios de Psicología, 6(23–24), 135–151. https://doi.org/10.1080/02109395.1985.10821439

Viljoen, J. F., & Foxcroft, C. (2020). Gaze Patterns of Skilled and Unskilled Sight Readers Focusing on the Cognitive Processes Involved in Reading Key and Time Signatures. International Journal of Humanities and Social Sciences, 14(9), 764–767. https://publications.waset.org/vol/165

Weiss, C., Balke, S., Abeßer, J., & Müller, M. (2018). Computational Corpus Analysis: A Case Study on Jazz Solos. https://doi.org/10.5281/ZENODO.1492439

La lectura musical y la complejidad en la partitura

Un modelo de validez ecológica para las mediciones de complejidad en música escrita

Resumen

Descargas

Biografía del autor/a

Citas