Évaluation de la synchronisation entre mouvement et musique : une approche rentable

Cette thèse explore la synchronisation entre le rythme musical et les mouvements humains, en se concentrant sur la synchronisation sensorimotrice (SMS). L’étude analyse la relation entre les stimuli auditifs rythmiques et les mouvements humains, tels que le tapotement des doigts, les balancements des bras et la marche. Elle examine l’impact de la complexité rythmique, des types de mouvements et des facteurs individuels comme l’expertise musicale et la morphologie physique sur la précision de la synchronisation. En outre, un cadre rentable pour l’analyse de la synchronisation est proposé, basé sur des outils d’extraction de rhythm musical et de capture vidéo et de mouvement utilisant l’IA. La méthodologie intègre des techniques avancées de traitement du signal pour analyser le rythme et les mouvements, soutenues par des systèmes d’acquisition de données en temps réel et d’évaluation de la synchronisation. Les résultats de cette recherche apportent des contributions dans divers domaines, y compris l’éducation musicale, la rééducation et le développement de technologies interactives, en fournissant des aperçus sur l’influence du rythme sur le mouvement humain. De plus, cette étude explore les effets des perturbations externes, telles que les décalages de métronome, sur la performance de synchronisation dans différentes tâches de mouvement, offrant des perspectives précieuses pour des recherches futures à la fois académiques et appliquées.

Institutions

Publication Details

Journal
theses.fr (ABES)
Published
2024-12-03
Primary Topic
Music Technology and Sound Studies
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Évaluation de la synchronisation entre mouvement et musique : une approche rentable

theses.fr (ABES)
Music Technology and Sound Studies
article

Évaluation de la synchronisation entre mouvement et musique : une approche rentable

article en

Abstract

Cette thèse explore la synchronisation entre le rythme musical et les mouvements humains, en se concentrant sur la synchronisation sensorimotrice (SMS). L’étude analyse la relation entre les stimuli auditifs rythmiques et les mouvements humains, tels que le tapotement des doigts, les balancements des bras et la marche. Elle examine l’impact de la complexité rythmique, des types de mouvements et des facteurs individuels comme l’expertise musicale et la morphologie physique sur la précision de la synchronisation. En outre, un cadre rentable pour l’analyse de la synchronisation est proposé, basé sur des outils d’extraction de rhythm musical et de capture vidéo et de mouvement utilisant l’IA. La méthodologie intègre des techniques avancées de traitement du signal pour analyser le rythme et les mouvements, soutenues par des systèmes d’acquisition de données en temps réel et d’évaluation de la synchronisation. Les résultats de cette recherche apportent des contributions dans divers domaines, y compris l’éducation musicale, la rééducation et le développement de technologies interactives, en fournissant des aperçus sur l’influence du rythme sur le mouvement humain. De plus, cette étude explore les effets des perturbations externes, telles que les décalages de métronome, sur la performance de synchronisation dans différentes tâches de mouvement, offrant des perspectives précieuses pour des recherches futures à la fois académiques et appliquées.

theses.fr (ABES)
Digital Health Cooperative Research Centre (AU)
Quality Education
Openalex Percentile: Top 59%
Music Technology and Sound Studies
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.