Studie über durch Musik induzierte Emotionen durch ein Crowdsourcing-Spiel

Einer der Hauptgründe, warum Menschen Musik so angenehm finden, ist ihre emotionale Wirkung. Das Erstellen von emotionsbasierten Playlists ist eine natürliche Art, Musik zu organisieren. Die Benutzerfreundlichkeit von Online-Streaming-Diensten könnte erheblich verbessert werden, indem emotionsbasierte Zugriffsmethoden entwickelt werden, und die automatische Musikemotionserkennung (MER) ist der schnellste und praktikabelste Weg, dies zu erreichen. Wenn Benutzer Musik zur emotionalen Regulierung nutzen, sind sie an der MER-Methode interessiert, um ihre induzierte oder empfundene Emotion vorherzusagen. Der Fortschritt der MER in diesem Bereich wird durch das Fehlen öffentlich zugänglicher Daten zur musikalisch induzierten Emotion behindert. Auch gibt es keinen Konsens darüber, welches emotionale Modell am besten zu den Anforderungen der Benutzer passt und einen eindeutigen sprachlichen Rahmen zur Beschreibung musikalischer Emotionen bieten kann. In diesem Papier gehen wir auf diese Probleme ein, indem wir einen umfangreichen öffentlich verfügbaren Datensatz von 400 musikalischen Auszügen aus vier Genres erstellen, die mit induzierter Emotion annotiert sind. Wir haben die Daten mit einem Online-Spiel mit Zweck namens Emotify gesammelt, das eine große und vielfältige Teilnehmergruppe ansprach. Wir verwendeten ein neunteiliges, domainspezifisches emotionales Modell namens GEMS (Geneva Emotional Music Scale). In diesem Papier analysieren wir die gesammelten Daten und berichten über die Übereinstimmung der Teilnehmer in verschiedenen Kategorien von GEMS. Zudem analysieren wir den Einfluss außer-musikalischer Faktoren auf induzierte Emotionen (Geschlecht, Stimmung, Musikvorlieben). Wir schlagen vor, dass Modifikationen im GEMS-Modell notwendig sind.