Loading...
hidden

Mobile-Version anzeigen

Meta-Navigation

Startseite – Hochschule Luzern

Sprachwahl und wichtige Links

  • Zum Inhalt springen
  • Kontakt
  • Login
  • De
  • En
Suche starten

Hauptnavigation

Departementsnavigation

  • Technik & Architektur
  • Wirtschaft
  • Informatik
  • Soziale Arbeit
  • Design Film Kunst
  • Musik
  • Gesundheit

Unternavigation

  • Studium
  • Weiterbildung
  • Forschung
  • International
  • Campus
  • Über uns
  • News & Stories

Unternavigation

Breadcrumbs-Navigation

  1. Forschung an der Hochschule Luzern Forschung an der Hochschule Luzern
  2. Alle Projekte der Hochschule Luzern Alle Projekte der Hochschule Luzern
  3. Musikalische Strukturanalyse als «Data Mining» – Harmonische Modelle in der Popmusik Musikalische Strukturanalyse als «Data Mining» – Harmonische Modelle in der Popmusik

Musikalische Strukturanalyse als «Data Mining» – Harmonische Modelle in der Popmusik

Die Digitalisierung unserer Gesellschaft eröffnet neue methodische Zugänge zu kulturwissenschaftlichen Fragestellungen. Mit dem vorliegenden Projekt wurden die harmonischen Modelle der Popmusik mit computergestützten Methoden untersucht.

Kurzinformation

Departement:

Musik

Status:

Abgeschlossen

Zeitraum:

01.09.2018 - 31.12.2020

In der Übersicht

In der musikwissenschaftlichen Strukturanalyse spielte beim Einsatz von Informationstechnologien bisher die Anwendung statistischer Methoden auf grosse Datenbestände eine eher untergeordnete Rolle. Gerade in der Erforschung von Pop- und Rockmusik scheinen die Möglichkeiten des «Data Mining» nicht nur eine zusätzliche Strategie im Repertoire der musikanalytischen Ansätze darzustellen; vielmehr erfordert es die schiere Menge und Vielfalt der Artefakte, dass musikanalytische Befunde auf grossen Datensätzen basieren, um überhaupt verallgemeinert werden zu können. Die Harmonik der Popmusik zeigt diesen Sachverhalt deutlich: Einerseits ist die Formelhaftigkeit der Popharmonik schon auf der Basis von oberflächlichen Repertoirekenntnissen evident – andererseits ist es beim derzeitigen Stand der Forschung nur sehr beschränkt möglich, fundierte Aussagen über tatsächliche Häufigkeit von Modellen, über historische Veränderungen im harmonischen Repertoire oder über die Gebundenheit von harmonischen Formeln an bestimmte Genres zu machen.

Mit dem vorliegenden Projekt wurden die in der Pop- und Rockmusik verwendeten harmonischen Modelle auf Basis eines Musikkorpus von rund 1500 Songs mit Mitteln des «Machine-Learnings» identifiziert. Die Basis des analysierten Repertoires bildete ein bestehender Korpus von 1000 Tonträgern, der von 92 Fachjournalisten zusammengestellt wurde. Der Korpus wurde in einer Datenbank abgebildet und durch Aggregation von zusätzlichen Datenquellen mit Informationen zu den weltweiten Charts-Platzierungen (tsort.info) sowie vergleichbaren Künstlern (www.albumoftheyear.org) auf eine Auswahl von rund 1500 Songs erweitert. In der resultierenden Auswahl sind für alle Fünfjahresperioden zwischen 1960 und 2015 mindestens 120 Songs enthalten. Harmonische Transkriptionen der Tonaufnahmen wurden von zwei professionellen Musikern ausgehend von einer automatisierter Tonart- und Akkord-Erkennung (sonicAPI.com) nach einem Vier-Augen-Prinzip erstellt. Der resultierende Datensatz von Akkordfolgen wird neben einer deskriptiven statistischen Auswertung mit einem Machine-Learning-Algorithmus (SPADE) auf wiederkehrende Sequenzen hin untersucht.

Die Auswertung der Daten zeigt für die Pop-Harmonik ein vielfältiges Bild. Einerseits werden einige bekannte Muster (beispielsweise die «Jazz-Kadenz» I-IV-I-V) stil- und epochenübergreifend relativ häufig eingesetzt. Andererseits finden sich andere erwartete Formeln (beispielsweise der «Pachelbel-Kanon» I-V-vi-iii-IV-I-IV-V) im untersuchten Korpus kein einziges Mal. Die Vielzahl der identifizierten Sequenzen (3740 Sequenzen, die sich zu 80 Muster gruppieren) legt nahe, dass die vordergründig plakative Pop-Harmonik mit einer Kunst der Variation arbeitet, in der bekannte Schemen auf immer andere Art durchbrochen werden.

hidden

Fakten

Projektart

Forschung

Beteiligte interne Organisationen
  • CC Music Performance Research MPR
Finanzierung
  • SNF-HSLU als Hauptgesuchsteller/in
  • Forschungsfinanzierung allgemein
hidden

Beteiligte Personen intern

Projektleiter/in
  • Lorenz Kilchenmann
Projektmitarbeiter/in
  • Elena Alessandri
  • Toni Amadeus Bechtold
  • Florian Hoesl
  • Rafael Jerjen
  • Olivier Senn

Publikationen

  • Buchkapitel/Gesetzeskommentar/Lexikonartikel (1)

    • Kilchenmann, Lorenz; Bechtold, Toni Amadeus & Jerjen, Raphael (2022). Wie populär sind die «besten Alben aller Zeiten»? Eine empirische Betrachtung zur Kanonbildung in der Popmusik. In Knut Holtsträter (Hrsg.), Richtig populär? Kriterien der Popularität von Musik (Vol.67, S. 61-78). Münster: Waxmann.

  • Sonstige Publikationsformate (1)

    • Kilchenmann, Lorenz; Bechtold, Toni Amadeus & Jerjen, Rafael (2022). Dataset Pop Canonization & Popularity.

  • Präsentation (Tagungsbeitrag/Referat/Vortrag) (1)

    • Kilchenmann, Lorenz; Bechtold, Toni Amadeus; Hoesl, Florian & Jerjen, Rafael (07.07.2019). Sample Selection in Corpus-Based Research and the Canonization of Popular Music. IMS 2019: Intercongressional Symposium, Luzern.

Kurzinformation

Departement:

Musik

Status:

Abgeschlossen

Zeitraum:

01.09.2018 - 31.12.2020

Projektleitung

Lorenz Kilchenmann

Fachverantwortung Music Research

+41 41 249 26 45

E-Mail anzeigen

Footer

FH Zentralschweiz

Links zu den Social-Media-Kanälen

  •  Instagram
  •  LinkedIn
  •  TikTok
  •  Facebook
  •  YouTube
  •  Flickr

Kontakt

Logo Hochschule Luzern

Hochschule Luzern


Werftestrasse 4
6002 Luzern

+41 41 228 42 42

info@hslu.ch

Direkteinstieg

  • Studieninteressierte Bachelor
  • Studieninteressierte Master
  • Weiterbildungsinteressierte
  • Für Studierende
  • Für Mitarbeitende

Quicklink

  • Personensuche
  • Standorte
  • Aktuell
  • Bibliotheken
  • Agenda
  • Medien
  • Jobs, Karriere und Berufsbildung
  • Home
  • Räume mieten

Statische Links

  • Newsletter abonnieren
  • Datenschutzerklärung
  • Impressum
  • Institutionell akkreditiert nach HFKG 2019–2026
Logo Swissuniversities

QrCode

QrCode