第一作者：吴迪
通讯作者：李葆明
发表期刊：Behavior Research Methods
期刊5-Year Impact Factor：7.7
通讯单位：杭州师范大学
论文DOI：https://doi.org/10.3758/s13428-024-02411-6
研究简介
基础医学院脑科学研究所李葆明教授团队在Behavior Research Methods（Q1, TOP）发表题为“Construction of a Chinese traditional instrumental music dataset: A validated set of naturalistic affective music excerpts”的研究论文，这是一项关于中国民族情绪音乐库的构建与验证的研究工作。
引言
人类生活、生产与文化活动中，音乐自古以来无处不在。聆听和演奏音乐可以塑造大脑的结构与功能。音乐能唤起快乐、悲伤这样的强烈情绪。日常生活中，人们有意或无意地使用音乐来改变、创造、维持或增强情绪。过去几十年里，国际上有许多研究致力于揭示音乐情绪感知的加工过程。
对音乐的情绪感知受声学特性与文化因素的影响。由此，音乐的情绪感知具有文化普遍性与文化特异性。然而，目前关于音乐情绪感知的研究主要基于西方古典音乐。中国民族音乐作为世界音乐重要的、不可分割的组成部分，具有独特研究价值，探索中国民族音乐的情绪感知是重要且必要的。
本研究旨在建立一个中国民族情绪音乐片段库，为跨文化的音乐感知和音乐情绪的比较研究奠定坚实基础。为确保生态效度，本研究采用的音乐片段均来自自然音乐（音乐作品的录音室版本），使用了维度模型和离散模型对音乐进行了评估，同时加入了熟悉度维度。在评估和验证音乐库有效性的基础上，比较了音乐的维度模型和离散模型对情绪表征的可靠性，分析了模型内部和模型间的关系，并探讨了音乐熟悉度对音乐情绪感知的影响。
图文导读
本研究共招募168名大学生对273个中国民族情绪音乐片段的10个维度（熟悉度；维度情绪：效价、唤醒；离散情绪：悲愁、快乐-活力、安宁、愤怒-紧张、温馨、超越、庄严）进行7分制李克特量表（Likert scale）评分；使用类内相关系数（ICC）对评分的可靠性进行评估；计算每个变量的平均值和标准差，以分析评分的分布；利用皮尔逊相关系数探究不同情绪变量之间的相关性；应用重复测量方差分析验证标记情绪的有效性，并比较不同情绪类别间的差异；应用K-means聚类分析对音乐片段进行分类，以识别不同的情绪属性。最终，将每个音乐片段划分了三个标签：熟悉度、离散情绪和K聚类。
图1：音乐片段的情绪评分流程图
图2：音乐片段的情绪“效价-唤醒”二维空间分布
图3：基于主成分分析的音乐片段聚类图
本研究发现，使用维度情绪模型和离散情绪模型可以有效地描述强烈的典型情绪；相对于离散情绪模型，维度情绪模型能更好地描述中等程度的典型情绪；同一效价-唤醒象限空间内的情绪之间的相关性更强；熟悉度显著增强情绪的感知。本音乐库具有良好的被试者间一致性，对未来音乐情绪的跨文化研究以及中国民族音乐感知与审美的脑机制研究有重要的理论和应用价值。Behavior Research Methods杂志主编及四位审稿人对本工作的系统性和重要性给予了一致的高度评价。
作者简介
第一作者
吴迪，杭州师范大学2022级神经生物学专业博士研究生，研究方向为音乐认知神经科学，在读期间以第一作者发表研究论文3篇（听力学及言语疾病杂志，2022；Cognition & Emotion，2023；Behavior Research Methods，2024）。曾获批杭州师范大学2022年研究生科研创新推进项目、浙江省2023年新苗人才计划大学生科技成果推广项目、杭州师范大学“精进杯”2023年度学生学术成果评选二等奖。
通讯作者
李葆明，杭州师范大学基础医学院/脑科学研究所教授、所长。长期从事前额叶皮层认知功能研究，近年重点关注父母照料对前额叶皮层结构与认知功能的影响。曾主持科技部973项目课题、863项目、国家自然科学基金重大项目、重点项目、面上项目、中国-加拿大健康研究合作项目；目前正承担科技创新2030-“脑科学与类脑研究”项目。作为主要作者在Neuron、PNAS、Biological Psychiatry、Cerebral Cortex等国际刊物发表论文80余篇。
