Transcript
Fachgebiet Audiokommunikation Prof. Stefan Weinzierl
Studien-/Master-/Magister-/Diplomarbeit
Dimensionen der Ausdrucksqualität von Produktionsmusik Als Produktionsmusik (auch Library Music oder Stock Music) werden Musikstücke aus digitalen Musikbibliotheken bezeichnet, die inklusive einer Lizenz zur Nutzung in TV, Film, Werbung, Videospielen, Imagefilmen, YouTube etc. heute auf einfache Weise durch den direkt monetär vergüteten Download aus einer Online-Datenbank erworben werden können. Häufig hat der Nutzer bei der Suche nach der geeigneten Musik für das jeweils intendierte Verwendungsszenario eine ganz bestimmte Ausdrucksqualität im Sinn. Daher bieten entsprechende Datenbanken heute oft eine Suchmaske, mit Hilfe derer die gewünschten Ausdrucksqualitäten in Form von Parameterreglern ähnlich semantischen Differentialen des musikalischen Ausdrucks bestimmt werden können (z. B. „eher schnell, fröhlich, instrumental und durcheinander“) (Bode & Müller 2010). Die Masterarbeit soll sich dem Anliegen widmen, die für diese Art der Suche bedeutsamsten Ausdrucksqualitäten und deren zugrundeliegenden Dimensionen zu ermitteln. Durch den vorgegebenen Verwendungskontext liegt die Zielsetzung dabei weniger in einer möglichst theoretisch befriedigenden, sparsamen Reduktion des Merkmalsraums (wie es für eine musikpsychologische Analyse typisch wäre), als vielmehr in einer PCA-Lösung mit möglichst hoher Prädiktionskraft in Bezug auf die anschließende, durch einen naiven Bayes-Klassifikator geleistete Auswahl eines geeigneten Zielobjekts aus der Population typischer Produktionsmusiken. Die Realisierung des Vorhabens soll auf Basis eines bereits vorhandenen Datensatzes von n=3800 Beurteilungen von k=40 typischen Produktionsmusiken auf p=27 Ausdrucksparametern gelingen. Dabei kommen vor allem die Verfahren der Linearen Diskriminanzanalyse (Backhaus et al. 2000b) und Hauptkomponentenanalyse (Backhaus et al. 2000a) zum Einsatz. Da die Feldarbeit bereits geleistet wurde, eignet sich dieses Thema besonders für Studierende, die eine möglichst schnelle Fertigstellung Ihrer Masterarbeit anstreben, Grundkenntnisse in multivariater Statistik mitbringen und sich für Audio Branding (Bronner & Hirt 2009) und Musikempfehlungsdienste interessieren. Voraussetzungen: Grundlagen multivariater Statistik (Multiple Regression, Faktorenanalyse, Clusteranalyse) Interesse für Audio Branding und Music Recommendation Services Interesse an Popularmusik, empirischer Forschung und deren statistischer Auswertung Literatur: Backhaus, K., Erichson, B., Plinke, W., & Weiber, R. (2000a). Faktorenanalyse. Multivariate Analysemethoden: Eine anwendungsorientierte Einführung (9. Aufl., S. 259–332). Springer: Berlin. Backhaus, K., Erichson, B., Plinke, W., & Weiber, R. (2000b). Diskriminanzanalyse. Multivariate Analysemethoden: Eine anwendungsorientierte Einführung (9. Aufl., S. 155–228). Springer: Berlin. Bronner, K., & Hirt, R. (Hrsg.). (2009). Audio-Branding: Entwicklung, Anwendung, Wirkung akustischer Identitäten in Werbung, Medien und Gesellschaft (2., verbesserte Aufl.). München: R. Fischer. Bode, A., & Mueller, C. (2010). Mit Medienmusik erfolgreich in der Kreativwirtschaft: Ein praxisorientierter Leitfaden für die professionelle Musiknutzung in der Kreativwirtschaft (1. Aufl.). Musikmarkt Verlag. Betreuung: Dr. Steffen Lepa M.A., H 2001 E Prof. Dr. Stefan Weinzierl, EN 322
[email protected] [email protected]
