Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Proceedings of the 13 International Conference on Informatics and Semiotics in Organisations: Problems and
Possibilities of Computational Humanities. 2011.
Resumen:
Este documento aborda las actuales oportunidades y desafíos en musicología computacional.
La musicología computacional es un área de investigación genuinamente interdisciplinar que
requiere la contribución de preguntas, métodos y las percepciones tanto de la musicología
como de las ciencias de la computación. Este artículo demuestra que los enfoques
computacionales de las preguntas musicológicas generan nuevas perspectivas para la
musicología. A su vez, la musicología computacional tiene el potencial para convertirse en un
aliado indispensable de la ciencia de la computación en lo que se denomina Music Information
Retrieval (MIR, recuperación de la información musical). Aquí argumentamos que aun no se ha
llegado a un enfoque completo de esta empresa para desplegar el potencial de la musicología
computacional, por lo que se discuten ejemplos de direcciones colaborativas prometedoras.
1-Introducción
Morehen y Bent (1979) ponen en relieve la expectativa de que los abordajes computacionales
en musicología podrían convertirse en una “respetable” y “extendida” disciplina académica. Sin
embargo, Cook (2005) caracteriza la relación entre ciencias computacionales y musicología,
desarrollado durante décadas, como un momento de oportunidad bastante largo que aun no
ha llegado a cumplir el potencial prometedor que se esperaba en esta relación.
En este artículo discutiremos tanto las chances actuales como los desafíos en musicología
computacional. La musicología computacional es un área interdisciplinar genuina que requiere
la contribución de preguntas, métodos y percepciones tanto de musicólogos como de
informáticos. Dentro de estas configuraciones interdisciplinarias, la investigación de cuestiones
musicológicas con abordaje computacional genera tanto nuevas perspectivas sobre viejos
problemas como nuevas preguntas en el contexto de la investigación musicológica.
Los abordajes computacionales sobre la investigación metodológica han llevado a incrementar
los esfuerzos en formalizar y probar empíricamente los conocimientos musicológicos. Esto a
contribuido a una mayor visibilidad de la musicología dentro de las disciplinas científicas
(Honing, 2006a). Sin embargo, debido a la explosión en digitalización musical en las ultimas
décadas, una nueva área de investigación, Music Information retrieval (MIR), extracción de
información musical, ha evolucionado, para la cual se han diseñado métodos para extraer
información a partir de grandes bases de datos usando “contenido” musical en forma de
metadata (Downie, 2003). Muchos modelos computacionales para música han sido
desarrollados dentro del área de MIR. Sin embargo, tanto el potencial de estos modelos que
contribuyen a la musicología como el potencial de la musicología que contribuye a construir
modelos no han sido totalmente explotados hasta esta fecha. Se mostrará en este articulo que
la musicología computacional tiene el potencial de convertirse en un socio indispensable de la
informática a partir del enriquecimiento de los datos necesarios para direccionar los avances
del trabajo con MIR, mediante la utilización de alternativas basadas en el conocimiento (De
Haas y Wiering, 2010).
Este artículo discute dos aspectos importantes del potencial de la musicología computacional:
en la sección 2 demuestra la habilidad de abrir nuevas perspectivas y preguntas en
investigación musicológica, y la sección 3 el potencial de una conexión interdisciplinaria entre
los conocimientos musicológicos y el modelado computacional en MIR.
1: Las publicaciones en papel tratan las obras musicales como entidades estáticas, mientras que
ahora se consideran adaptables debido a los requisitos del contexto. Por lo tanto, es
importante poder incluir diferentes versiones históricas de una obra en una edición.
2: Se pueden crear diferentes 'vistas' de la pieza, por ejemplo, transposiciones,
representaciones en diferentes estilos de notación o con diferentes partes instrumentales, o
descripciones generales de alto nivel.
3: Las ediciones digitales pueden incorporar materiales multimediales como grabaciones y
videos.
4: Las ediciones digitales pueden ser concebidas como ediciones colaborativas incrementales
agregando nuevos materiales, vistas e información contextual.
5: El contenido de ediciones digitales puede ser automáticamente buscado y analizado para
propósitos académicos, educativos o performaticos, entre otros.
Una edición musical digital no es un producto estático, ya que es información básica de fuentes
materiales que puede ser enriquecida por investigadores y performers (Wiering, 2009a).
Un buen ejemplo de una edición critica digital de música que esta en boga es el CMME
(Computerized Mensural Music Editing - www.cmme.org ), el cual contiene música vocal del
renacimiento. Este sitio aborda los temas 1 y 2 en particular. Sin embargo, el concepto de la
edición digital académica de la música sigue siendo inmaduro; El hecho de realizarlo
plenamente en todas sus implicaciones es un desafío importante, como veremos en la sección
4.
2.1.3 Etnomusicología
La etnomusicología se considera como el "estudio de los aspectos sociales y culturales de la
música y la danza en contextos locales y globales" (New Grove Online). El término se introdujo
en la década de 1950 y reemplazó el término más antiguo de musicología comparada, que se ha
definido como la comparación de "productos tonales, en particular las canciones populares de
varios pueblos, países y territorios" (Adler, 1885). Un tema central en etnomusicología, en el
que se han aplicado enfoques computacionales, es el estudio de las canciones populares que se
han transmitido a través de la tradición oral. La investigación de grandes cuerpos de canciones
populares se remonta a los inicios de la musicología computacional en la década de 1960
(véase, por ejemplo, Suchoff, 1969). Dado que la tradición oral introduce variaciones en las
canciones populares, lo que conduce a muchas variantes diferentes de una canción, un tema
típico en etnomusicología es la clasificación de las canciones en familias de melodías. Las
familias de melodías (tune) son melodías que se consideran que tienen el mismo origen
histórico. Se han introducido diferentes sistemas de clasificación para canciones populares,
como el sistema de Krohn (1903) para ordenar canciones de acuerdo con sus tonos de
cadencia. Sin embargo, los enfoques computacionales permiten el procesamiento de
información mucho más compleja de las canciones. Por ejemplo, el modelo computacional
basado en la alineación de Van Kranenburg (2010) con las similitudes de las canciones
populares procesa información sobre el tono, la estructura métrica y la estructura de frases de
melodías completas. El modelo se ha utilizado con éxito para recuperar canciones populares
holandesas organizadas por el Instituto Meertens que pertenecen a la misma familia de
melodías según expertos en musicología. La noción de familia de melodías en el Instituto
Meertens apenas se ha formalizado, pero el éxito del modelo computacional en Kranenburg
(2010) para recuperar melodías pertenecientes a la misma familia de melodías demuestra que,
sin embargo, existe un enfoque sistemático que subyace en el concepto de familia de melodías.
La comparación de grandes corpus de canciones populares de diferentes regiones geográficas
(por ejemplo, Juhasz, 2006; Aarden y Huron, 2001) proporciona otro ejemplo de enfoques
basados en datos a través del modelado computacional. A diferencia de la teoría musical, que
se concentra en análisis exhaustivos de piezas musicales únicas, la etnomusicología es un
campo rico en datos por definición. Los enfoques computacionales permiten la cuantificación y
evaluación de las declaraciones cualitativas de los etnomusicólogos, como la lista de cambios
típicos introducidos en las canciones populares a través de la transmisión oral según lo
dispuesto por Wiora (1941).
4. Desafíos
En los últimos 20 años, los modelos computacionales se han desarrollado con éxito para
campos muy diferentes dentro de la investigación musicológica. Sin embargo, el modelado
computacional aún no pertenece a los métodos cotidianos utilizados por los musicólogos, como
Cook (2005) imaginó que podría ser. Argumenta que la abundancia de diferentes herramientas
computacionales con poca consistencia entre ellas dificulta su uso para el musicólogo de
"trabajo". Sin embargo, la musicología en sí está dispersa en muchos sub campos que a menudo
están bastante desconectados unos de otros. Como resultado, el diseño e implementación de
enfoques computacionales con una amplia gama de aplicaciones de manera consistente sigue
siendo difícil.
Un desafío importante para el desarrollo de métodos computacionales es la formalización de la
música. Para el procesamiento algorítmico, los datos musicales deben formalizarse en
estructuras de datos apropiadas. Dado que dicha estructura de datos puede considerarse un
modelo de los datos musicales, esta formalización es un tema de investigación en sí mismo.
Obviamente, el conocimiento musicológico es necesario para determinar, de qué manera los
aspectos de la música pueden ser descritos por modelos formales. En el área de la teoría y el
análisis de la música, los fenómenos musicales complejos se han deconstruido en diferentes
componentes a través del modelado computacional, como componentes melódicos, rítmicos o
armónicos. A través del modelado computacional, estos componentes han sido descritos y
analizados en detalles sin precedentes. Sin embargo, la estructura musical de una pieza es una
entidad compleja que surge de la interacción de estos componentes. La integración de
componentes aislados de la música en un modelo holístico de estructura musical a través del
modelado computacional es un desafío para futuras investigaciones.
En el área de la musicología cognitiva, se han desarrollado muchos modelos computacionales
diferentes, a menudo sobre temas relacionados. La abundancia de modelos existentes sobre el
mismo tema requiere el desarrollo de estrategias para comparar y seleccionar modelos (ver
Honing, 2006a). Como es el caso de los modelos relacionados con el análisis de música, el
desarrollo de modelos de música cognitivamente relevantes que comprenden la complejidad
de diferentes aspectos de la música, sigue siendo un desafío.
Para la etnomusicología, los modelos computacionales para familias de melodías se han
desarrollado con éxito. Ahora ha llegado el momento de usarlos para investigar el proceso de
transmisión oral: ¿qué tipo de transformaciones entre canciones ocurren con mayor
frecuencia? ¿A qué procesos cognitivos se pueden vincular estas transformaciones?
En el contexto de la musicología histórica, un problema computacional importante es
desarrollar representaciones adecuadas de las fuentes musicales. Al ser fuentes históricas, a
menudo son dependientes del contexto, incompletas, poco claras, ambiguas o erróneas. Sería
importante codificar tales problemas, así como sus posibles soluciones (por ejemplo,
http://music- encoding.org).
Importantes cantidades de obras musicales ya se han codificado en varios formatos, tal vez lo
suficiente como para abordar la contextualización. Desde un punto de vista musical-estructural,
la contextualización es una cuestión de patrones compartidos de alto nivel entre piezas. Tales
patrones incluyen secuencias de acordes, motivos melódicos, estructura rítmica, temporización,
ornamentación y elección de instrumentos, y son a menudo los ingredientes de los estilos
musicales.
Los patrones compartidos de alto nivel también desempeñan un papel importante en la
generación de significado musical. El desafío definitivo, y el que enlaza de nuevo con el objetivo
de la musicología histórica para "entender" la música, sería, por lo tanto, el modelado del
significado musical (Wiering, 2009b).
Conclusiones
Si bien se han logrado importantes hitos en la musicología computacional, el potencial
completo de esta empresa interdisciplinaria aún no se ha explorado. La musicología
computacional aún no es la disciplina generalizada prevista por Morehen y Bent (1979). La
mayoría de las investigaciones científicas sobre música, entre ellas los enfoques
computacionales, se realizan actualmente fuera de los departamentos de musicología
(Parncutt, 2007). Cook (2005) sostiene que ahora el balón "está firmemente del lado de los
musicólogos". Para desplegar el potencial de la musicología computacional, es necesario
intensificar las colaboraciones interdisciplinarias entre la musicología y la informática, que
requieren iniciativas de la musicología para plantear cuestiones de sus disciplinas que deben
modelarse computacionalmente. Además, los musicólogos necesitan sustancialmente
contribuir con su conocimiento para desarrollar los modelos computacionales, ya que las
teorías musicológicas existentes a menudo no están lo suficientemente formalizadas. A su vez,
esto puede fortalecer el papel de la musicología computacional como un socio indispensable
para la recuperación de información musical.