Protocolo de Reconocimiento Emocional Musical | ||
| dc.conicet.datoinvestigacionid | 23648 | |
| dc.conicet.justificacion | ||
| dc.conicet.linkAdjunto | sigeva_files/POSTULANTE/27256789383/DATO/23620/Protocolo_-_Reconocimiento_o_Juicio_emocional_musical___1_.xlsx | |
| dc.conicet.linkAdjunto | sigeva_files/POSTULANTE/27256789383/DATO/23620/Protocolo_Juicio_Emocional_musical_-_CONICET__1_.docx | |
| dc.conicet.localizacionjson | {"referencia":[{"id":"","nombre":"Buenos Aires","padre":"undefined","geoJSON":"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","tipo":"LUGAR","formato":"","latitud":"","longitud":"","puntosPoligonoList":[]}]} | |
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | ||
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | ||
| dc.conicet.paisOrganizacion | ||
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.paisOrganizacion | ||
| dc.conicet.paisOrganizacion | Argentina | |
| dc.conicet.tituloRelacion | Personalidad y juicio emocional musical en una población de músicos | |
| dc.conicet.tituloRelacion | Juicio emocional musical: diferencia entre músicos y no músicos | |
| dc.datacite.Creator | Moltrasio, Julieta | |
| dc.datacite.Creator | Detlefsen, Verónica | |
| dc.datacite.Creator | Dominguez, Florencia Eva | |
| dc.datacite.Creator | Rubinstein, Wanda Yanina | |
| dc.datacite.DateType | Creado | |
| dc.datacite.DescriptionType | Información Técnica | |
| dc.datacite.DescriptionType | Métodos | |
| dc.datacite.DescriptionType | Otro | |
| dc.datacite.FunderName | Universidad de Buenos Aires | |
| dc.datacite.FundingReference | 20220170100038BA | |
| dc.datacite.affiliation | Universidad de Buenos Aires. Facultad de Psicología | |
| dc.datacite.affiliation | Centro de Investigacion En Neurociencias y Neuropsicologia ; Facultad de Cs.sociales ; Universidad de Palermo | |
| dc.datacite.affiliation | Universidad de Buenos Aires. Facultad de Psicología | |
| dc.datacite.affiliation | Centro de Investigacion En Neurociencias y Neuropsicologia ; Facultad de Cs.sociales ; Universidad de Palermo | |
| dc.datacite.affiliation | Centro de Investigacion En Neurociencias y Neuropsicologia ; Facultad de Cs.sociales ; Universidad de Palermo | |
| dc.datacite.affiliation | Universidad de Buenos Aires. Facultad de Psicología | |
| dc.datacite.affiliation | Centro de Investigacion En Neurociencias y Neuropsicologia ; Facultad de Cs.sociales ; Universidad de Palermo | |
| dc.datacite.affiliation | Consejo Nacional de Investigaciones Científicas y Técnicas | |
| dc.datacite.awardTitle | Modulación de la Memoria a través de la Música en Pacientes con Demencia | |
| dc.datacite.date | 2018 | |
| dc.datacite.description | Se utilizaron 56 extractos musicales compuestos y validados para evocar las emociones de alegría (happiness), tristeza (sadness), paz (peacefulness) y amenaza/terror (threat), distinguibles en un espacio de dos dimensiones ortogonales y bipolares denominadas valencia (placer – displacer) y arousal (activación – relajación). Los mismos fueron desarrollados y validados por Vieillard et al. (2008), generadas en formato MIDI con timbre de piano, de 12.4 segundos de duración media y que están basadas en el sistema tonal occidental. 16 extractos expresan la emoción de alegría, 16 expresan la emoción de tristeza, 16 expresan amenaza/terror y los restantes 16 expresan la emoción de paz. Las piezas musicales asociadas a la emoción alegría fueron escritas en un modo mayor y en un tempo medio de 137 marcas de metrónomo (rango de marcas de metrónomo [MM] n° 92-196) y aquellas asociadas con tristeza, en modo menor y tempo lento promedio de 46 MM (rango MM n° 40-60). Los extractos que expresaban paz fueron compuestos en modo mayor, tempo intermedio (media: 74, rango: 54-100), y se tocaron con acompañamiento de pedal y arpegio. La mayoría de los extractos de amenaza/terror contenían ritmos irregulares y disonancias. Los extractos musicales fueron aleatorizados (sin repetir extractos de la misma categoría) y presentados mediante una presentación de Power Point. A modo de preparación y aprendizaje de la consigna se reprodujeron los primeros 24 segundos de dos estímulos musicales: Sea Attack Number One, de John Williams (extracto de “amenaza/terror”), y Concierto para piano n°23, segundo movimiento de Mozart (extracto de “tristeza”). Además, se seleccionaron dos imágenes tomadas del International Affective Picture System (IAPS, Lang et al., 1995). | |
| dc.datacite.description | Se evaluó a cada participante en dos sesiones de una hora y media, separadas por un intervalo no mayor a un mes. Algunos participantes fueron evaluados individualmente, mientras que otros fueron evaluados en grupos (no mayores a 10 personas). En primer lugar, los participantes leyeron y firmaron un consentimiento informado y completaron un cuestionario de datos personales. Para ambas sesiones se utilizaron los mismos 56 extractos musicales, utilizando dos consignas diferentes. Durante la primera sesión, se le indicó a los participantes: “Vamos a realizar una tarea que consiste en calificar extractos musicales de música clásica, de acuerdo a cuánta y qué emoción le generan. Debe contestar de acuerdo a lo que a usted le parezca o sienta, no hay respuestas correctas ni incorrectas. Comencemos con un ejemplo”. Se procedió a explicar la consigna utilizando los extractos de ejemplo: Sea Attack Number One, de John Williams (extracto de “amenaza/terror”), y Concierto para piano n°23, segundo movimiento de Mozart (extracto de “tristeza”). Cada participante debía escuchar el extracto entero y luego contestar diversas consignas para elegir el nivel de activación o arousal, valencia (agradabilidad) y categoría emocional de cada extracto. Se explicó cada uno de estos aspectos a evaluar (arousal, valencia y categoría emocional) con cada extracto de ejemplo: Para el arousal se indicaba la siguiente consigna: “Vamos a escuchar una melodía y le voy a pedir que me diga cuánta activación o estimulación le genera, es decir cuán intensa es la emoción que le genera. Tiene que elegirla en una escala de 1 a 5, siendo 1 el polo relajante y 5 el activante. «Activación» significa lo contrario a «Relajación», es decir, una melodía que en vez de relajar, lo despierte. Usted puede elegir 1, 2, 3, 4 ó 5. Escuche el extracto entero antes de decirme la puntuación”. En caso de que los extractos de ejemplo le generaran un nivel de activación o relajación contrario al esperado, se le recordaba que la activación significa cuán intensa es la emoción que le genera, e implica estimulación, que es lo contrario a algo relajante. Si seguía sin entender la consigna, se aclaraba: “Imagine que está viendo una película, ¿esta melodía sonaría en las escenas tranquilas y relajadas? ¿o en las dramáticas y peligrosas?”. Para preguntar sobre la valencia, se leyeron dos consignas, una para valencia cualitativa y otra para la valencia cuantitativa. Para la valencia cualitativa, se leyó la siguiente consigna: “Ahora le voy a pedir que me diga si la melodía que escuchó le generó o le produjo a usted una emoción «Agradable», «Neutra» o «Desagradable». Es decir, si le hace sentir una emoción agradable, desagradable o neutra al escuchar este extracto. Podemos volver a escuchar el extracto si lo desea.”. Para la valencia cuantitativa se indicó: “en una escala de 1 a 5, siendo 1 lo más desagradable y 5 lo más agradable, ¿qué puntaje le pondría a la emoción que le genera la melodía? Puede contestar 1, 2, 3, 4 ó 5”. La consigna sobre la categoría emocional fue la siguiente: “Acá tenemos cuatro emociones diferentes: alegría, tristeza, amenaza/terror y paz. Le voy a pedir que me diga cuál de estas emociones le generó o le produjo a usted este extracto. Es decir, qué emoción sintió al escuchar esta melodía. Podemos volver a escuchar el extracto si lo desea.” . Para cuantificar las puntuaciones de los extractos musicales se confeccionó una Planilla que contenía una grilla compuesta por 58 ítems (uno por cada extracto musical y dos para los ejemplos). Los participantes, a medida que escuchaban cada extracto, debían completar en la grilla los 3 aspectos a evaluar indicados en los párrafos anteriores: el nivel de arousal (escala Likert de 5 puntos), la Valencia cualitativa (agradable, neutro o desagradable) y la Valencia cuantitativa (escala Likert de 5 puntos), y la categoría emocional (alegría, tristeza, terror/amenaza o paz). Las consignas, además de ser informadas oralmente, aparecían en la presentación de PowerPoint junto con cada extracto musical. Primeramente, debían contestar las preguntas sobre los extractos de ejemplo. Una vez que se aclaraban las consignas, se procedía a presentar los 56 extractos musicales, previamente aleatorizados, uno a uno. Cada participante debía completar la planilla por su propia cuenta (no se volvía a repetir la consigna a menos que el participante lo requiriera). Durante la segunda sesión, se indicó la siguiente consigna: “Vamos a continuar con los extractos musicales. La vez pasada le pedí que me dijera lo que le generaba o le hacía sentir cada melodía. Bien, ahora le voy a pedir que me conteste de acuerdo a lo que las melodías expresan, es decir, lo que cree que buscan representar o mostrar, o lo que quiso mostrar el autor. ¿Qué quiere decir esto? Vamos a verlo con el ejemplo de una foto”. A continuación, se le presentaban dos fotografías validadas, tomadas del International Affective Picture System (IAPS) (Lang, 1995). Las fotografías seleccionadas son la número 4598 y la número 5621 del Manual de imágenes del IAPS. Dichas fotografías eran activantes y de valencia positiva. Por su contenido ambiguo, las imágenes podían generar emociones desagradables o negativas (4598: deporte extremo y 5621: un abrazo de despedida). Esto fue útil para explicar a cada participante que debía considerar lo que la imagen buscaba mostrar o representar (una emoción positiva), en vez de lo que la imagen le generaba a él o ella (que podía ser una emoción negativa). Estas fotografías fueron seleccionadas por un equipo interdisciplinario conformado por profesionales de la Psicología y Neuropsicología. Cada participante debía contestar la siguiente pregunta: “¿Esta foto expresa o busca mostrar/representar una emoción agradable, neutra o desagradable?”. Si el participante comprendía la consigna, es decir, que debía centrarse en lo que buscó representar o mostrar quien tomó la fotografía y no en lo que él o ella sentía, se pasaba al siguiente ejemplo fotográfico. Si el participante no comprendía la consigna y contestaba centrándose en su propia experiencia emocional, se aclaraba que el objetivo era que contestara qué buscaban transmitir o mostrar quienes estaban en la fotografía y quien tomó la fotografía. Luego, se leía la siguiente consigna: “vamos a escuchar un extracto musical. Le voy a pedir que conteste lo que cree que buscaba representar la persona que lo compuso, lo que buscaba mostrar. No conteste de acuerdo a lo que usted siente, sino a lo que usted cree que busca representar la melodía. Es decir, lo que quiso mostrar el autor con esa melodía.”. El participante debía puntuar cada extracto utilizando una grilla de puntuación similar a la de la sesión anterior, aunque únicamente debía puntuar la Valencia cualitativa y cuantitativa, y la categoría emocional (excluyendo la puntuación de arousal). Se utilizaron los dos extractos de ejemplo para chequear la comprensión de la consigna. En caso de que el participante no entendiera la consigna, se aclaraba lo siguiente: “Imagine que está viendo una película. Esta canción, ¿sonaría en las escenas alegres/pacíficas/tristes?”. Una vez que el participante comprendía la consigna, se procedía a presentar los extractos musicales, en una presentación de PowerPoint y en orden aleatorio, de la misma manera que en la sesión anterior. | |
| dc.datacite.description | Referencias Lang, P. J., Bradley, M. M. & Cuthbert, B. N. (1995). International affective picture system (IAPS): affective ratings of pictures and instruction manual. NIMH, Center for the Study of Emotion & Attention. Vieillard, S., Peretz, I., Gosselin, N., Khalfa, S., Gagnon, L. y Bouchard, B. (2008). Happy, sad, scary and peaceful musical excerpts for research on emotions. Cognition & Emotion, 22(4), 720-752. https://doi.org/10.1080/02699930701503567. | |
| dc.datacite.language | spa | es |
| dc.datacite.relacionRelatedIdentifierType | HDL - Handle | |
| dc.datacite.relacionRelatedIdentifierType | URL | |
| dc.datacite.subject | Otras Psicología | es |
| dc.datacite.subject | Psicología | es |
| dc.datacite.subject | CIENCIAS SOCIALES | es |
| dc.datacite.version | 1.0 | es |
| dc.date.accessioned | 2025-02-06T13:06:18Z | |
| dc.date.available | 2025-02-06T13:06:18Z | |
| dc.date.updated | 2025-02-06T10:40:23Z | |
| dc.description.abstract | En el presente archivo se presenta el protocolo empleado para evaluar el reconocimiento o juicio emocional musical. Se utilizó un set de extractos musicales previamente validados, en adultos jóvenes músicos y no músicos. | es |
| dc.description.fil | Fil: Moltrasio, Julieta. Universidad de Buenos Aires. Facultad de Psicología; Argentina. Centro de Investigacion En Neurociencias y Neuropsicologia ; Facultad de Cs.sociales ; Universidad de Palermo; | |
| dc.description.fil | Fil: Detlefsen, Verónica. Universidad de Buenos Aires. Facultad de Psicología; Argentina. Centro de Investigacion En Neurociencias y Neuropsicologia ; Facultad de Cs.sociales ; Universidad de Palermo; | |
| dc.description.fil | Fil: Dominguez, Florencia Eva. Centro de Investigacion En Neurociencias y Neuropsicologia ; Facultad de Cs.sociales ; Universidad de Palermo; | |
| dc.description.fil | Fil: Rubinstein, Wanda Yanina. Universidad de Buenos Aires. Facultad de Psicología; Argentina. Centro de Investigacion En Neurociencias y Neuropsicologia ; Facultad de Cs.sociales ; Universidad de Palermo; . Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina | |
| dc.identifier.citation | Moltrasio, Julieta; Detlefsen, Verónica; Dominguez, Florencia Eva; Rubinstein, Wanda Yanina; (2025): Protocolo de Reconocimiento Emocional Musical. Consejo Nacional de Investigaciones Científicas y Técnicas. (dataset). http://hdl.handle.net/11336/253691 | * |
| dc.identifier.institucional | CONICET | |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/253691 | |
| dc.relationtype.isSourceOf | http://dspace.uces.edu.ar:8180/xmlui/handle/123456789/5092 | |
| dc.relationtype.isSourceOf | https://www.aacademica.org/000-007/338 | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | |
| dc.subject.keyword | Música | es |
| dc.subject.keyword | emociones | es |
| dc.subject.keyword | reconocimiento de emociones | es |
| dc.subject.keyword | juicio emocional musical | es |
| dc.subject.keyword | músicos | es |
| dc.title | Protocolo de Reconocimiento Emocional Musical | es |
| dc.type | dataset | * |
Archivos
ARCHIVO
NOTAS DE USO
TAMAÑO
Protocolo_-_Reconocimiento_o_Juicio_emocional_musical___1_.xlsx
Extractos utilizados (código y orden)
6.21 KB
Preparando la descarga 0%