Un indicador para evaluar la Complejidad Intrínseca en notación musical de la Práctica Común

• Autores: Calatayud, Patricio Federico; Padilla Longoria, Pablo; Galera-Núñez, María del Mar; Pérez Acosta, Gabriela
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Música; Notación musical; Revisión literaria; Educación musical; Entropía; Complejidad; Music notation; Literary review; Music Education; Entropy; Complexity; Notação musical; Revisão da literatura; Educação; Complexidade
• Institución: Universidad Nacional de La Plata

Este estudio experimental emerge desde la necesidad de contar con valores cuantitativos que distingan la complejidad de aprendizaje y ejecución de los diferentes elementos de la notación musical. Aunque la relación entre música y complejidad es vasta, no hay mucha información sobre modelos de complejidad y notación musical. Aún así, logramos diseñar un modelo que distingue la Complejidad Intrínseca en un grupo de elementos de notación musical de la Práctica Común. Un primer experimento, realizado sobre un corpus de libros de educación musical (N = 64), permite construir un conjunto básico de elementos de notación musical, filtrado del su enorme conjunto. Esta selección fue organizada mediante dos variables: Ordinalidad y Preferencia, que es estadísticamente significativa para incluirse en una medición de complejidad (correlación de Pearson de -0.88; p < 0.001). Con la ayuda de un cálculo de medición de riesgo en la toma de decisiones, realizamos un segundo experimento, donde construimos un nuevo indicador basándonos en las variables mencionadas. Este, al que llamamos Indicador de Pertinencia asigna un valor de complejidad intrínseco distinto para cada elemento de notación musical. Finalmente, es importante recalcar que las relaciones entre estadística y teoría musical distan de tener resultados rigurosos, este texto reporta un acercamiento desde la estadística más simple y pretende ser parte de la integración entre esta y la teoría musical.
This experimental study emerges from the need to have quantitative values that distinguish the complexity of learning and execution of the different elements of musical notation. Although the relationship between music and complexity is vast, there is not much information about complexity models and musical notation. Still, we managed to design a model that distinguishes Intrinsic Complexity in a group of Common Practice music notation elements. A first experiment, performed on a corpus of music education books (N = 64), allows us to build a basic set of music notation items, filtered from their huge set. This selection was organized by two variables: Ordinality and Preference, which is statistically significant to be included in a complexity measurement (Pearson correlation of -0.88; p < 0.001). With the help of a decision risk measurement calculus, we conducted a second experiment, where we constructed a new indicator based on the above variables. This, which we call the Relevance Indicator, assigns a different intrinsic complexity value for each musical notation element. Finally, it is important to emphasize that the relationship between statistics and music theory is far from having rigorous results, this text reports an approach from the simplest statistics and aims to be part of the integration between this and music theory.
Este estudo experimental surge da necessidade de valores quantitativos que distingam a complexidade da aprendizagem e da execução dos diferentes elementos da notação musical. Embora a relação entre música e complexidade seja vasta, não existe muita informação sobre modelos de complexidade e notação musical. Mesmo assim, conseguimos conceber um modelo que distingue a Complexidade Intrínseca num grupo de elementos de notação musical da Prática Comum. Uma primeira experiência, realizada num corpus de livros de educação musical (N = 64), permite-nos construir um conjunto básico de itens de notação musical, filtrados a partir do seu enorme conjunto. Esta seleção foi organizada através de duas variáveis: Ordinalidade e Preferência, que é estatisticamente significativa para ser incluída numa medida de complexidade (correlação de Pearson de -0,88; p < 0,001). Com a ajuda de um cálculo de medida de risco de decisão, realizámos uma segunda experiência, onde construímos um novo indicador com base nas variáveis acima referidas. Este, a que chamamos Indicador de Relevância, atribui um valor de complexidade intrínseca diferente para cada elemento da notação musical. Por fim, é importante ressaltar que a relação entre estatística e teoria musical está longe de ser rigorosa, este texto relata uma abordagem a partir da estatística mais simples e tem como objetivo fazer parte da integração entre estatística e teoria musical.
Sociedad Argentina para las Ciencias Cognitivas de la Música