Ewolucja muzyki popularnej: USA 1960–2010 / Maciej Mauch, Robert M. MacCallum , Mark Levy i Armand M. Leroi 

0
596

Streszczenie

We współczesnych społeczeństwach zmiany kulturowe wydają się nie mieć końca. Przepływ mody jest szczególnie widoczny w przypadku muzyki popularnej. Chociaż wiele napisano o pochodzeniu i ewolucji popu, większość twierdzeń na temat jego historii ma raczej charakter anegdotyczny niż naukowy. Aby temu zaradzić, badamy listę US Billboard Hot 100 w latach 1960-2010. Korzystając z narzędzi do wyszukiwania informacji muzycznych i eksploracji tekstu, analizujemy właściwości muzyczne około 17 000 nagrań, które pojawiły się na listach przebojów, i demonstrujemy ilościowe trendy w ich właściwościach harmonicznych i barwowych. Następnie wykorzystujemy te właściwości do stworzenia opartej na dźwiękach klasyfikacji stylów muzycznych i badania ewolucji muzycznej różnorodności i dysproporcji, testowania i odrzucania kilku klasycznych teorii zmian kulturowych. Wreszcie, badamy, czy ewolucja muzyki pop była stopniowa, czy przerywana. Pokazujemy, że chociaż muzyka pop ewoluowała w sposób ciągły, dokonała tego ze szczególną szybkością podczas trzech stylistycznych „rewolucji” w latach 1964, 1983 i 1991. Kończymy dyskusją na temat tego, w jaki sposób nasze badanie wskazuje drogę do ilościowej nauki o zmianach kulturowych.

2. Wstęp

O historii muzyki popularnej od dawna dyskutują filozofowie, socjologowie, dziennikarze, blogerzy i gwiazdy muzyki pop [ 1 – 7 ]. W ich relacjach, choć bogatych w żywą wiedzę muzyczną i oceny estetyczne, brakuje tego, czego chcą naukowcy: rygorystycznych testów jasnych hipotez opartych na danych ilościowych i statystykach. Ekonomiści zajmujący się naukami społecznymi badający historię muzyki osiągnęli lepsze wyniki, ale są mniej zainteresowani muzyką niż środkami, za pomocą których jest ona sprzedawana [ 8 – 15 ]. Kontrast z biologią ewolucyjną — nauką historyczną bogatą w dane i modele ilościowe — jest uderzający, tym bardziej, że różnorodność kulturowa i organizmów są uważane za wynik procesów modyfikacji przez potomstwo [ 16 –19 ]. Rzeczywiście, językoznawcy i archeolodzy, badając ewolucję języków i kulturę materialną, często stosują te same narzędzia, których używają biolodzy ewolucyjni, badając ewolucję gatunków [ 20 – 25 ].
Do niedawna największą przeszkodą w naukowym opisie historii muzyki był brak danych. Zmieniło się to wraz z pojawieniem się dużych, zdigitalizowanych kolekcji nagrań dźwiękowych, partytur muzycznych i tekstów piosenek. Szybko pojawiły się ilościowe badania ewolucji muzyki [ 26 – 30 ]. Tutaj używamy korpusu zdigitalizowanej muzyki do zbadania historii amerykańskiej muzyki popularnej. Czerpiąc inspirację z badań nad ewolucją organiczną i kulturową, postrzegamy historię muzyki pop jako „zapis kopalny” i zadajemy pytania, które mógłby zadać paleontolog: czy różnorodność muzyki popularnej zwiększyła się czy zmniejszyła w czasie? Czy zmiany ewolucyjne w muzyce popularnej są ciągłe czy nieciągłe? A jeśli są nieciągłe, to kiedy wystąpiły nieciągłości?
Aby ograniczyć naszą próbkę, skupiliśmy się na utworach, które pojawiły się na liście Billboard Hot 100 w USA w latach 1960–2010. Uzyskaliśmy 30-sekundowe segmenty zawierające 17 094 utworów, które obejmowały 86% listy Hot 100, z niewielką tendencją do brakujących utworów z wcześniejszych lat. Ponieważ naszym celem jest zbadanie ewolucji popularnych gustów, nie próbowaliśmy uzyskać reprezentatywnej próbki wszystkich piosenek wydanych w USA w tym okresie, ale tylko te, które odniosły największy sukces komercyjny.
Podobnie jak poprzednie badania historii muzyki pop [ 28 , 30 ], nasze badanie opiera się na cechach wydobytych z dźwięku, a nie z partytur. Jednak tam, gdzie te wczesne badania koncentrowały się na technicznych aspektach dźwięku, takich jak głośność, statystyki słownictwa i złożoność sekwencyjna, próbowaliśmy zidentyfikować cechy znaczące muzycznie. W tym celu przyjęliśmy podejście inspirowane ostatnimi postępami w eksploracji tekstu ( rysunek 1). Zaczęliśmy od pomiaru naszych piosenek pod kątem szeregu cech ilościowych audio, 12 deskryptorów zawartości tonalnej i 14 deskryptorów barwy (elektroniczny materiał uzupełniający, M2–3). Zostały one następnie podzielone na „słowa”, w wyniku czego powstał leksykon harmoniczny (leksykon H) zmian akordów oraz leksykon brzmieniowy (leksykon T) klastrów barw (elektroniczny materiał dodatkowy, M4). Aby powiązać T-leksykon z etykietami semantycznymi w prostym języku angielskim, przeprowadziliśmy adnotacje eksperckie (elektroniczny materiał uzupełniający, M5). Muzyczne słowa z obu leksyk zostały następnie połączone w 8+8=16 „tematów” przy użyciu utajonej alokacji Dirichleta (LDA). LDA to hierarchiczny generatywny model korpusu tekstowego, w którym każdy dokument (tutaj: piosenka) jest reprezentowany jako rozkład na wiele tematów, a każdy temat jest reprezentowany jako rozkład na wszystkie możliwe słowa (tutaj: zmiany akordów z leksykonu H i klastry barwy z leksykonu T). Najbardziej prawdopodobny model uzyskujemy za pomocą wnioskowania probabilistycznego (elektroniczny materiał uzupełniający, M6). Każda piosenka jest zatem reprezentowana jako rozkład na osiem tematów harmonicznych (tematy H), które wychwytują klasy zmian akordów (np. „zmiany akordów dominujących w septymach”) i osiem tematów brzmieniowych (tematy T), które wychwytują określone barwy (np. q. Te częstotliwości tematyczne były podstawą naszych analiz.
Rysunek 1.Rysunek 1. Potok przetwarzania danych zilustrowany fragmentem Bohemian Rhapsody zespołu Queen z 1975 r., jednym z nielicznych hitów Hot 100, w których występuje astrofizyk na gitarze prowadzącej.

3. Wyniki

3.1 Ewolucja tematów

W latach 1960-2010 częstotliwość występowania tematów w Hot 100 była bardzo zróżnicowana: niektóre tematy stały się rzadsze, inne bardziej powszechne, a jeszcze inne zmieniały się cyklicznie (rysunek 2). Aby pomóc nam zinterpretować tę dynamikę, wykorzystaliśmy skojarzenia między tematami a konkretnymi artystami, a także tagi gatunkowe przypisane przez słuchaczy Last.fm, internetowego serwisu muzycznego z około 50 milionami użytkowników (elektroniczne materiały uzupełniające, M8). Biorąc pod uwagę najpierw tematy H, najczęstszym był H8 (średnia ± 95% CI: q¯ = 0,236 ± 0,003) – główne akordy bez zmian. Prawie dwie trzecie naszych utworów wykazuje znaczną (> 12,5%) częstotliwość występowania tego tematu, szczególnie te oznaczone jako CLASSIC COUNTRY, CLASSIC ROCK i LOVE (tabele online). Jego obecność w Hot 100 była dość stała, będąc najczęstszym tematem H w 43 z 50 lat.
Rysunek 2.Rysunek 2. Ewolucja tematów muzycznych na liście Billboard Hot 100. Średnie częstotliwości tematów (Q¯�¯) ±95% CI oszacowane metodą ładowania początkowego.
Inne tematy H były znacznie bardziej dynamiczne. W latach 1960-2009 średnia częstotliwość H1 spadła o około 75%. Temat H1 obejmuje użycie akordów dominantowo-siódmych. Z natury dysonansowe (z powodu interwału trytonowego między tercją a moll-siódemką), akordy te są powszechnie używane w jazzie do tworzenia napięć, które ostatecznie są rozwiązywane do akordów konsonansowych; w muzyce bluesowej dysonanse zazwyczaj nie są rozwiązywane, a tym samym dodają charakterystycznego „brudnego” koloru. W związku z tym okazuje się, że utwory oznaczone jako BLUES lub JAZZ mają wysoką częstotliwość H1; jest to szczególnie powszechne w utworach artystów bluesowych, takich jak B.B. King i jazzowych, takich jak Nat 'King’ Cole. Spadek tego tematu reprezentuje zatem utrzymującą się śmierć jazzu i bluesa w Hot 100.
Pozostałe tematy H odzwierciedlają ewolucję innych stylów muzycznych. H3, na przykład, obejmuje akordy moll-siódemki używane do harmonicznego zabarwienia w funku, disco i soulu – temat ten jest nadreprezentowany w FUNK i DISCO oraz artystach takich jak Chic i KC & The Sunshine Band. W latach 1967-1977 średnia częstotliwość H3 wzrosła ponad dwukrotnie. H6 łączy w sobie kilka zmian akordów, które są podstawą modalnych utworów rockowych i dlatego są powszechne u artystów z ambicjami na duże stadiony (np. Mötley Crüe, Van Halen, REO Speedwagon, Queen, Kiss i Alice Cooper). Jego wzrost w latach 1978-1985, a następnie spadek na początku lat 90. wyznacza erę Arena Rock. Spośród wszystkich tematów H, H5 wykazuje najbardziej uderzającą zmianę częstotliwości. Temat ten, który oddaje brak identyfikowalnej struktury akordów, ledwo pojawia się w latach sześćdziesiątych i siedemdziesiątych, kiedy to, pomijając kilka kolaży słowno-muzycznych (np. te Dickie Goodmana), prawie wszystkie piosenki miały wyraźnie identyfikowalne akordy. H5 zaczyna pojawiać się coraz częściej pod koniec lat 80-tych, a następnie gwałtownie rośnie, osiągając szczyt w 1993 roku. Reprezentuje to rozwój hip-hopu, rapu i gatunków pokrewnych, czego przykładem jest muzyka Busta Rhymesa, Nasa i Snoop Doga, którzy szczególnie rzadko używają akordów (tabele online).
Częstotliwości Timbral Topics również ewoluują w czasie. T3, opisany jako „energiczny, przemawiający, jasny”, wykazuje taką samą dynamikę jak H5 i jest również związany z rozwojem gatunków związanych z hip-hopem. Kilka innych tematów brzmieniowych wydaje się jednak wielokrotnie wzrastać i spadać, sugerując powtarzające się mody w instrumentach. Na przykład ewolucja T4 („fortepian, orkiestra, harmoniczne”) wydaje się sinusoidalna, co sugeruje powrót w latach 2000 do cech brzmieniowych znanych z lat 1970. T5 („gitara, głośno, energicznie”) przeszedł dwa pełne cykle ze szczytami w 1966 i 1985 roku, ponownie kierując się w górę w 2009 roku. Drugi, większy szczyt zbiega się ze szczytem w H6, zmiany akordów również związane ze stadionowymi grupami rockowymi, takimi jak Mötley Crüe (tabele online). Wreszcie, T1 („perkusja, agresywna, perkusyjna”) rośnie nieprzerwanie do 1990 roku, co zbiega się z rozprzestrzenianiem się nowej technologii perkusyjnej, takiej jak automaty perkusyjne i efekt bramkowanego pogłosu, słynnie wykorzystany przez Phila Collinsa w In the air tonight, 1981. W związku z tym T1 jest nadreprezentowany w utworach oznaczonych jako DANCE, DISCO i NEW WAVE oraz u artystów takich jak The Pet Shop Boys. Po 1990 roku częstotliwość występowania T1 spada: panowanie automatu perkusyjnego dobiegło końca.

3.2 Odmiany muzyki

Aby przeanalizować ewolucję różnorodności muzycznej, zaczęliśmy od sklasyfikowania naszych piosenek. Muzyka popularna jest podzielona na gatunki, takie jak country , rock and rollrytm i blues ( R`n’B ), a także wiele podgatunków ( dance popsynthpopheartland rockroots rock itp.). Gatunki te są jednak niedoskonałymi odzwierciedleniami jakości muzycznych. Popularne gatunki muzyczne, takie jak country i rap, częściowo odzwierciedlają style muzyczne, ale poza tym, że są nieformalne, opierają się również na czynnikach pozamuzycznych, takich jak wiek lub pochodzenie etniczne wykonawców ( np .K[orean]-Pop ) [ 5 ]. Z tego powodu skonstruowaliśmy taksonomię 13 stylów za pomocą grupowania k -średnich na głównych składnikach pochodzących z częstotliwości naszego tematu ( ryc. 3 i elektroniczny materiał uzupełniający, M9). Zbadaliśmy wszystkie k <25 i stwierdziliśmy, że najlepszym rozwiązaniem grupowania, określonym na podstawie średniego wyniku sylwetki, było k = 13.
Rysunek 3.Rycina 3. Ewolucja stylów muzycznych na liście Billboard Hot 100. Ewolucja 13 stylów, zdefiniowana przez k – oznacza skupienie się na głównych składowych częstotliwości tematycznych. Szerokość każdego wrzeciona jest proporcjonalna do częstotliwości tego stylu, znormalizowanej do każdego roku. Kontury wrzeciona są oparte na wygładzeniu średniej ruchomej ± 2 lata; niewygładzone roczne częstotliwości są pokazane jako szare poziome linie. Hierarchiczna analiza skupień na centroidach k -średnich pogrupowała nasze style w kilka większych klastrów reprezentowanych tutaj przez drzewo: klaster ŁATWEGO SŁUCHANIA + PIEŚŃ MIŁOŚCI , klaster COUNTRY + ROCK i klaster SOUL + FUNK + DANCE ; czwarta, najbardziej rozbieżna klastra zawiera tylkoHIP HOP + RAP-rich style 2. Wszystkie rozwiązane węzły mają wsparcie bootstrap ≥75%. Etykiety wymieniają cztery najbardziej nadreprezentowane tagi użytkowników Last.fm w każdym stylu, zgodnie z naszą analizą wzbogacenia; pełne wyniki znajdują się w elektronicznym materiale dodatkowym, tabela S1. Zacienione regiony określają epoki oddzielone muzycznymi rewolucjami ( ryc. 5 ).
Aby powiązać tagi Last.fm z klastrami stylów, wykorzystaliśmy technikę zwaną analizą wzbogacenia z bioinformatyki. Technika ta jest zwykle stosowana w celu uzyskania biologicznych interpretacji zestawów genów, tj. ustalenia, jaka jest „funkcja” zestawu genów. Stosując algorytm detekcji wzbogacenia GeneMerge [ 31 ] do naszych danych stylów, stwierdziliśmy, że wszystkie style są silnie wzbogacone dla poszczególnych tagów, tj. dla każdego stylu niektóre tagi Last.fm są znacznie nadreprezentowane (elektroniczny materiał uzupełniający, tabela S1), więc dochodzimy do wniosku, że odzwierciedlają one przynajmniej część struktury muzyki popularnej postrzeganej przez konsumentów. Ewolucyjna dynamika naszych stylów odzwierciedla dobrze znane trendy w muzyce popularnej. Na przykład częstotliwość stylu 4, mocno wzbogacona o jazzfunk , soul i pokrewne tagi, systematycznie spada od 1960 roku. Z kolei style 5 i 13, silnie wzbogacone o tagi związane z rockiem , zmieniają częstotliwość, podczas gdy styl 2, wzbogacony o tagi związane z rapem , jest bardzo rzadki przed połową lat 80.
Co reprezentują nasze style? Rysunek 3 pokazuje, że style i ich ewolucja odnoszą się do dyskretnych podgrup wykresów (gatunków), a hierarchiczna analiza skupień sugeruje, że style można pogrupować w wyższą hierarchię. Przypuszczamy jednak, że w przeciwieństwie do organizmów różnych gatunków biologicznych, wszystkie piosenki na listach przebojów stanowią jedną dużą, wysoce ustrukturyzowaną metapopulację piosenek połączonych siecią relacji przodek-potomek, wynikających z naśladowania przez autorów piosenek ich poprzedników [ 32 ] . Style i gatunki reprezentują zatem populacje muzyki, które wykształciły unikalne cechy (tematy) lub kombinacje cech, w częściowej izolacji geograficznej lub kulturowej, np . rapw południowym Bronksie w latach 70. Częstotliwość tych stylów rośnie i spada w czasie w odpowiedzi na zmieniające się gusta autorów piosenek, muzyków i producentów, na których z kolei wpływa publiczność.

3.3 Różnorodność muzyczna nie zmniejszyła się

Tak jak paleontolodzy omawiali tempo i tryb ewolucyjnych zmian w zapisie kopalnym [ 33 ], tak historycy muzyki dyskutowali o zmianach muzycznych i procesach, które je napędzają. Niektórzy twierdzą, że oligopol w branży medialnej spowodował nieubłagany spadek różnorodności kulturowej nowej muzyki [ 1 , 2 ], podczas gdy inni sugerują, że takie homogenizujące trendy są okresowo przerywane przez małych konkurentów oferujących nowe i zróżnicowane treści, co prowadzi do „cykli produkcji symboli” [ 8 , 12 ]. Z braku danych przeprowadzono niewiele testów obu teorii [ 9 – 11 , 14 ].
Aby przetestować te pomysły, oszacowaliśmy cztery roczne miary różnorodności ( ryc. 4 ). Odkryliśmy, że chociaż wszystkie cztery ewoluują, dwie — różnorodność tematyczna i dysproporcja — wykazują najbardziej uderzające zmiany, obie spadają do minimum około 1986 r., ale następnie odbijają się i rosną do maksimum na początku XXI wieku. Ponieważ żaden z tych mierników nie mierzy liczby utworów, ich dynamika nie może wynikać z różnej liczby utworów na liście Hot 100; ani też, ponieważ nasze samplowanie w ciągu 50 lat jest prawie kompletne, nie mogą one wynikać z nadreprezentacji ostatnich piosenek – tak zwanego przyciągania ostatnich [ 34 ]. Zamiast tego ich dynamika wynika ze zmian częstotliwości stylów muzycznych.
Rysunek 4.Rysunek 4. Ewolucja różnorodności muzycznej na liście Billboard Hot 100. Szacujemy cztery miary różnorodności. Od lewej do prawej: numer piosenki na listach przebojów, DN , zależy tylko od tempa rotacji unikalnych jednostek (piosenek) i nie uwzględnia ich podobieństwa fenotypowego Różnorodność klasowa, S , to efektywna liczba stylów i odzwierciedla różnorodność funkcjonalną. Różnorodność tematów, DT , to efektywna liczba tematów muzycznych używanych każdego roku, uśredniona dla tematów harmonicznych i brzmieniowych Rozbieżność, DY lub zakres fenotypowy szacuje się jako całkowite odchylenie standardowe w ciągu roku. Zauważ, że chociaż w ekologii S iD Ysą często stosowane do zestawów odrębnych gatunków lub linii, którymi nie muszą być; nasze użycie ich nie implikuje nic o statusie ontologicznym naszych stylów i tematów. Pełne definicje miar różnorodności znajdują się w dodatkowym materiale elektronicznym, M11. Zacienione regiony określają epoki oddzielone muzycznymi rewolucjami ( ryc. 5 ).
Spadek różnorodności i dysproporcji tematycznych na początku lat 80. jest spowodowany raczej spadkiem różnorodności brzmieniowej niż harmonicznej (elektroniczny materiał uzupełniający, ryc. S1). Można to zaobserwować w ewolucji poszczególnych tematów ( ryc. 2 ). We wczesnych latach 80. tematy brzmieniowe T1 (perkusja, agresywna, perkusyjna) i T5 (gitara, głośna, energiczna) stają się coraz bardziej dominujące; późniejsze przywrócenie różnorodności jest spowodowane względnym spadkiem częstotliwości tych tematów wraz ze wzrostem T3 (energetyczny, mowa, bystry). Jeśli chodzi o style, spadek różnorodności wynika z dominacji gatunków takich jak nowa fala , disco , hardrock ; jego powrót do zdrowia wynika z ich zanikania wraz ze wzrostem popularności rapu i pokrewnych gatunków ((ryc. 2).). W przeciwieństwie do obecnych teorii ewolucji muzycznej, nie znajdujemy zatem żadnych dowodów na postępującą homogenizację muzyki na listach przebojów i niewiele oznak cykli różnorodności w ciągu 50 lat naszego badania. Zamiast tego ewolucja różnorodności list przebojów jest zdominowana przez historycznie wyjątkowe wydarzenia: wzloty i upadki poszczególnych sposobów tworzenia muzyki.

3.4 Muzyczną ewolucję przerywają rewolucje

Historia muzyki popularnej jest często postrzegana jako ciąg odrębnych epok, np. „ery rocka”, rozdzielonych rewolucjami [ 3 , 6 , 14 ]. Wbrew temu niektórzy uczeni twierdzą, że muzyczne epoki i rewolucje są iluzoryczne [ 5 ]. Nawet wśród tych, którzy widzą nieciągłości, nie ma zgody co do tego, kiedy się pojawiły. Problem znowu polega na tym, że danych było niewiele, a obiektywnych kryteriów decydujących o tym, co stanowi przerwę w sekwencji historycznej, jest jeszcze mniej.
Aby bezpośrednio określić, czy występują nieciągłości stóp, podzieliliśmy okres 1960–2010 na 200 kwartałów i wykorzystaliśmy główne składowe częstotliwości tematycznych do oszacowania macierzy odległości między nimi ( rysunek 5a ) . Ta matryca sugerowała, że ​​chociaż muzyczna ewolucja była nieustająca, były okresy względnego zastoju przerywane okresami szybkich zmian. Aby przetestować to wrażenie, zastosowaliśmy metodę z Music Information Retrieval, Foote Novelty, która szacuje wielkość zmiany w macierzy odległości w danym oknie czasowym [ 35 ]. Metoda opiera się na macierzy jądra ze wzorem szachownicy. Ponieważ macierz odległości odsłania właśnie taką szachownicę w punktach zmiany [ 35], splatanie go z jądrem szachownicy wzdłuż jego przekątnej bezpośrednio daje funkcję nowości (elektroniczny materiał uzupełniający, M11). Obliczyliśmy Nowość Foote’a dla wszystkich okien od 1 do 10 lat i dla każdego okna określiliśmy empiryczne punkty odcięcia istotności na podstawie losowej permutacji macierzy odległości. Zidentyfikowaliśmy trzy rewolucje: jedną wielką około 1991 roku i dwie mniejsze około 1964 i 1983 roku ( ryc. 5 b ). Od szczytu do kolejnego dołka tempo zmian muzycznych podczas tych obrotów wahało się od czterech do sześciu razy.
Rysunek 5.Rysunek 5. Muzyczne rewolucje na liście Billboard Hot 100. ( a ) Kwartalna macierz odległości parami wszystkich utworów z listy Hot 100. ( b ) Tempo zmian stylistycznych w oparciu o Foote Nowość w kolejnych kwartałach dla wszystkich okien 1–10 lat włącznie. Tempo zmian muzycznych — od wolnych do szybkich — jest reprezentowane przez gradient kolorów: niebieski, zielony, żółty, czerwony, brązowy: lata 1964, 1983 i 1991 to okresy szczególnie szybkich zmian muzycznych. Zastosowanie jądra Foote Novelty o szerokości połówkowej wynoszącej 3 lata skutkuje istotną zmianą w tych okresach, ze szczytami nowości w latach 1963–4 kw. ( p <0,01), 1982–4 kw. ( p < 0,01) i 1991–1 kw. ( p<0,001) zaznaczone liniami przerywanymi. Punkty odcięcia istotności dla wszystkich okien zostały określone empirycznie przez losową permutację macierzy odległości. Linie konturowe istotności z wartościami p są pokazane na czarno.
Ta analiza czasowa, w połączeniu z naszymi grupami stylów ( ryc. 3 ), pokazuje, w jaki sposób muzyczne rewolucje są powiązane z ekspansją i kurczeniem się poszczególnych stylów muzycznych. Korzystając z modeli regresji kwadratowej, zidentyfikowaliśmy style, które wykazały znaczącą ( p <0, 01) zmianę częstotliwości w czasie w ciągu 6 lat otaczających każdą rewolucję (elektroniczny materiał uzupełniający, tabela S2). Przeprowadziliśmy również analizę wzbogacania stylu dla tych samych okresów (elektroniczny materiał uzupełniający, tabela S2). Spośród trzech rewolucji rok 1964 był najbardziej złożony i obejmował ekspansję kilku stylów — 1, 5, 8, 12 i 13 — wzbogaconych wówczas o soul i rock– związane tagi. Zyski te zostały kupione kosztem stylów 3 i 6, oba wzbogacone m.in. o doowop . Rewolucja 1983 roku wiąże się z ekspansją trzech stylów — 8, 11 i 13 — tutaj wzbogaconych o tagi związane z nową falą , disco i hard rockiem oraz skróceniem trzech stylów — 3, 7 i 12 — tutaj wzbogaconych o tagi związane z soft rockiem , country lub soul + r`n’b . Największa rewolucja z trzech, 1991, wiąże się z rozszerzeniem stylu 2, wzbogaconego o tagi związane z rapem , kosztem stylów 5 i 13, tutaj wzbogaconych o tagi związane z rockiem . Powstanie rapui pokrewnych gatunków wydaje się zatem być najważniejszym wydarzeniem, które ukształtowało muzyczną strukturę amerykańskich list przebojów w badanym przez nas okresie.

3.5 Brytyjczycy nie rozpoczęli amerykańskiej rewolucji 1964 roku

Nasza analiza nie ujawnia pochodzenia stylów muzycznych; pokazuje raczej, kiedy zmiany częstotliwości stylu wpływają na muzyczną strukturę list przebojów. Mając to na uwadze, zbadaliśmy role poszczególnych artystów w jednej rewolucji. 26 grudnia 1963 roku The Beatles wydali w USA album I want to hold your hand . Szybko podążyły za nimi dziesiątki brytyjskich aktów, które w ciągu następnych kilku lat zalały amerykańskie listy przebojów. Często twierdzi się, że ta „brytyjska inwazja” (BI) była odpowiedzialna za muzyczne zmiany tamtych czasów [ 36]. To było? Jak wspomniano powyżej, około 1964 roku częstotliwość wielu stylów zmieniała się; wiele głównych składowych częstotliwości tematów wykazuje również zmiany liniowe w tym okresie. Inspekcja pierwszych czterech PC pokazuje, że wszystkie ich trajektorie ewolucyjne zostały ustalone przed 1964 rokiem, co sugeruje, że chociaż Brytyjczycy mogli przyczynić się do tej rewolucji, nie mogli być za nią całkowicie odpowiedzialni (ryc. 6a ) . Następnie porównaliśmy dwa najbardziej udane zespoły BI, The Beatles i The Rolling Stones, z resztą Hot 100 ( rysunek 6. .). W przypadku PC1 i PC2 utwory obu zespołów mają (niskie) wartości, które przewidują trajektorię Hot 100: pod względem tych cech muzycznych dosłownie wyprzedzały krzywą. W przypadku PC3 i PC4 ich piosenki przypominają resztę Hot 100: pod względem tych cech muzycznych były po prostu modne. Łącznie wyniki te sugerują, że nawet jeśli Brytyjczycy nie zainicjowali amerykańskiej rewolucji 1964 roku, wykorzystali ją i w takim stopniu, w jakim byli naśladowani przez innych artystów, podsycali jej płomienie. Rzeczywiście, niezwykły sukces tych dwóch grup – 66 hitów Hot 100 między nimi przed 1968 rokiem – można przypisać temu, że to zrobili.
Rysunek 6.Rysunek 6. Brytyjska inwazja w amerykańskiej rewolucji 1964 r. Od góry do dołu: PC1–PC4. ( a ) Liniowa ewolucja kwartalnych median czterech PC w ciągu 6 lat (24 kwartały) flankujących lata 1963–4, szczyt rewolucji 1964 r. Mediany populacji wszystkich czterech PC spadają, a spadki te zaczynają się na długo przed rozpoczęciem brytyjskiej inwazji (BI) pod koniec 1963 roku, co sugeruje, że akty BI nie mogą być wyłącznie odpowiedzialne za zmiany w stylu muzycznym widoczne w tamtym czasie. Dla każdego komputera wskazane są dwa tematy, które ładują się najsilniej, ze znakiem korelacji — wysoki, czerwony do niskiego, niebieski — (dodatkowy materiał elektroniczny, rysunek S2). ( b) Rozkłady gęstości częstotliwości czterech komputerów PC dla Beatlesów, The Rolling Stones i piosenek wszystkich innych artystów z okresu rewolucji 1964 roku. W przypadku PC1 i PC2, ale nie PC3 i PC4, The Beatles i The Rolling Stones mają znacznie niższe wartości mediany niż reszta populacji, co wskazują strzałki, co sugeruje, że ci artyści BI przyjęli styl muzyczny, który wyolbrzymiał istniejące trendy w Hot 100 w kierunku zwiększonego użycia akordów durowych i zmniejszenia użycia „jasnej” mowy (PC1) oraz zwiększonej agresji napędzanej gitarą i zmniejszonego użycia łagodnych wokali (PC2). Linie pionowe reprezentują mediany; p – wartości oparte na teście sumy rang Manna–Whitneya–Wilcoxona; Beatlesi (B): n = 46; The Rolling Stones (RS): n = 20; pozostali artyści (O): n =3114.

4. Dyskusja i wnioski

Nasze odkrycia dostarczają ilościowego obrazu ewolucji muzyki popularnej w USA na przestrzeni 50 lat. Jako takie stanowią podstawę naukowych badań zmian muzycznych. Ci, którzy chcą mówić o tym, jak i kiedy zmieniła się muzyka popularna, nie mogą już odwoływać się do anegdot, koneserów i teorii pozbawionych danych. Podobnie, niedawne prace wykazały, że możliwe jest zidentyfikowanie dyskretnych zmian stylistycznych w historii zachodniej muzyki klasycznej poprzez skupienie się na motywach wydobytych z korpusu zapisanych partytur [ 29 ]. O ile nasze podejście opiera się na dźwięku, można je również zastosować do muzyki, dla której nie istnieją partytury, w tym z kultur przednowoczesnych [ 19 , 37 , 38]. Zastosowaliśmy już podobne podejście do klasyfikacji muzyki artystycznej („muzyki klasycznej”) według okresów historycznych [ 39 ]. Mówiąc bardziej ogólnie, muzyka jest naturalnym punktem wyjścia do badania ewolucji stylistycznej, ponieważ jest nie tylko uniwersalną cechą kulturową człowieka [ 40 ], ale także wymierną, w dużej mierze zdeterminowaną formą i dostępną w stosunkowo ustandaryzowanym formacie (nagrania cyfrowe).
Nasze badanie jest ograniczone na kilka sposobów. Po pierwsze, jest ograniczony przez badane cechy. Nasze pomiary muszą uchwycić tylko ułamek fenotypowej złożoności nawet najprostszej piosenki; inne środki mogą dać inne wyniki. Jednak odkrycie, że nasze klasyfikacje są wspierane przez znaczniki gatunków słuchaczy, daje nam pewną pewność, że uchwyciliśmy ważną część dostrzegalnej wariancji naszej próbki. Po drugie, ograniczając nasze badanie do Hot 100, 1960-2010, próbowaliśmy tylko niewielkiej części nowych singli wydanych w USA; pełny obraz wymagałby skompilowania bazy kilku milionów utworów, co samo w sobie jest wyzwaniem [ 41]. Biorąc pod uwagę, że Hot 100 jest z pewnością stronniczym podzbiorem tych piosenek, naszych wniosków nie można rozszerzyć na populację wszystkich wydawnictw. Wreszcie, jesteśmy zainteresowani rozszerzeniem zakresu czasowego naszej próby co najmniej do lat czterdziestych XX wieku — choćby po to, by zobaczyć, czy rok 1955 był, jak wielu twierdziło, datą narodzin rock’n’rolla [42 ] .
Nie zajęliśmy się przyczynami dynamiki, którą wykrywamy. Jak każdy artefakt kulturowy — i każdy żywy organizm — muzyka jest wynikiem procesu selekcji wariacyjnej [ 16 – 19 ]. W biologii ewolucyjnej przyczynowe wyjaśnienia różnorodności organizmów odwołują się do wewnętrznych ograniczeń (rozwojowych lub genetycznych), czynników ekologicznych (konkurencja między osobnikami lub liniami) i zdarzeń stochastycznych (np. skały z kosmosu) [ 43 – 45]. Przez analogię, przyczynowy opis ewolucji muzyki musi ostatecznie zawierać opis tego, w jaki sposób muzycy naśladują i modyfikują istniejącą muzykę podczas tworzenia nowych pieśni, to znaczy opis sposobu dziedziczenia, tworzenia muzycznej nowości i jego ograniczeń. Pierwszy z nich — dziedziczenie i jego ograniczenia — jest niejasny [ 46 , 47 ]; druga — selekcja — mniej. Selektywne siły działające na nowe piosenki są przynajmniej częściowo uchwycone przez ich wzloty i upadki w szeregach list przebojów. Wiele anegdotycznych historii muzyki próbuje wyjaśnić tę dynamikę. Na przykład wzrost popularności rapu na listach przebojów został przypisany programowi telewizyjnemu Yo, MTV Raps! pierwsza emisja w 1988 roku [ 48]. Ogólna, wielopoziomowa teoria selekcji, nie ograniczająca się do dziedziczenia mendlowskiego, powinna zapewnić środki do testowania takich hipotez [ 49 – 51 ].
Na koniec zauważamy, że narzędzia statystyczne użyte w tym badaniu są dość ogólne. LDA można wykorzystać do badania ewoluującej struktury wielu rodzajów asamblaży; Foote Novelty może służyć do wykrywania nieciągłości tempa w sekwencjach czasowych odległości w oparciu o wiele rodzajów fenotypów. Takie narzędzia i istnienie dużych cyfrowych korpusów artefaktów kulturowych — tekstów, muzyki, obrazów, plików projektowania wspomaganego komputerowo (CAD) — umożliwiają obecnie ewolucyjną analizę wielu wymiarów współczesnej kultury. Przewidujemy, że badanie trendów kulturowych oparte na takich zbiorach danych wkrótce ograniczy i zainspiruje teorie dotyczące ewolucji kultury, tak jak zapis kopalny ma wpływ na ewolucję życia [52 , 53 ].

Maciej Mauch, Robert M. MacCallum, Mark Levy i Armand M. Leroi 

Ewolucja muzyki popularnej: USA 1960–2010

Opublikowano: https://doi.org/10.1098/rsos.150081

Dostępność danych

Wszystkie metody oraz dodatkowe ryciny i tabele są dostępne w elektronicznym materiale dodatkowym. Obszerne dane, w tym tytuły utworów, wykonawcy, częstotliwości tematyczne i tagi, są dostępne w repozytorium Figshare: główna ramka danych 10.6084/m9.figshare.1309953; wtórna ramka danych 10.6084/m9.figshare.1309950.

Oświadczenie o finansowaniu

MM jest wspierany przez Royal Academy of Engineering Research Fellowship.

Autorskie Wkłady

dane dostarczone przez ML; MM, RMM i AML przeanalizowały dane; MM i AML wymyślili badanie, zaprojektowali badanie, koordynowali badanie i napisali manuskrypt. Wszyscy autorzy wyrazili ostateczną zgodę na publikację.

Konflikt interesów

Nie mamy konkurencyjnych interesów.

Podziękowanie

Dziękujemy publicznym uczestnikom tego badania; Austinowi Burtowi, Katy Noland i Peterowi Fosterowi za komentarze do manuskryptu; Last.fm dla próbek muzycznych; Queen Mary University of London za korzystanie z wysokowydajnych urządzeń komputerowych.

Bubliografia

1. Adorno TW. 1941 On popular music.Stud. Philos. Soc. Sci. 9, 17–48.
2. Adorno TW. 1975 Culture industry reconsidered. New German Critique 6, 12–19. (doi:10.2307/487650)
3. Frith S. 1988 Music for pleasure. Cambridge, UK: Polity Press.
4. Mauch M. 2011 The anatomy of the UK charts: a light-hearted investigation of 50 years of UK charts using audio data; collection of 5 blog posts. See http://schall-und-mauch.de/anatomy-ofthe-charts/.
5. Negus K. 1996Popular music theory. Cambridge, UK: Polity.
6. Stanley B. 2013Yeah yeah yeah: the story of modern pop. London: Faber & Faber.
7. Morrissey SP. 2013 Autobiography. London, UK: Penguin.
8. Peterson RA, Berger DG. 1975 Cycles in symbol production. Am. Soc. Rev. 40, 158–173. (doi:10. 2307/2094343)
9. Lopes PD. 1992 Innovation and diversity in the popular music industry, 1969–1990. Am. Sociol. Rev. 57, 56–71. (doi:10.2307/2096144)
10. Christianen M. 1995 Cycles in symbol production? A new model to explain concentration, diversity, and innovation in the music Industry.Popular Music 14, 55–93. (doi:10.1017/S0261143000007637)
11. Alexander PJ. 1996 Entropy and popular culture: product diversity in the popular music recording industry. Am. Sociol. Rev. 61, 171–174. (doi:10.2307/ 2096412)
12. Peterson RA, Berger DG. 1996 Measuring industry concentration, diversity, and innovation in popular music. Am. Sociol. Rev. 61, 175–178. (doi:10.2307/ 2096413)
13. Crain WM, Tollinson RD. 1997 Economics and the architecture of popular music. J. Econ. Behav. Organ. 901, 185–205. (doi:10.1016/S0167-2681(96)00901-8)
14. Tschmuck P. 2006Creativity and innovation in the music industry. Dordrecht, The Netherlands: Springer.
15. Klein CC, Slonaker SW. 2010 Chart turnover andsales in the recorded music industry: 1990–2005.Rev. Ind. Organ.36, 351–372. (doi:10.1007/s11151-010-9250-z)
16. Leroi AM, Swire J. 2006 The recovery of the past. World of Music 48, 43–54.
17. Jan S. 2007The memetics of music: a Neo-Darwinian view of musical structure and culture. Farnham, UK: Ashgate.
18. MacCallum RM, Mauch M, Burt A, Leroi AM. 2012 Evolution of music by public choice.Proc. Natl Acad. Sci. USA 109, 12 081–12 086. (doi:10.1073/pnas.1203 182109)
19. Savage PE, Brown S. 2013 Toward a new comparative musicology. Anal. Approach. World Music2, 148–197.
20. Cavalli-Sforza LL. 1981Cultural transmission and evolution: a quantitative approach. Princeton, NJ: Princeton University Press.
21. Boyd R, Richerson PJ. 1985Culture and the evolutionary process. Chicago, IL: University of Chicago Press.
22. Shennan S. 2009Pattern and process in cultural evolution. Berkley, CA: University of California Press.
23. Steele J, Jordan P, Cochrane E. 2010 Evolutionary approaches to cultural and linguistic diversity.Phil. Trans. R. Soc. B 365, 3781–3785. (doi:10.1098/rstb. 2010.0202)
24. Mesoudi A. 2011Cultural evolution: how Darwinian theory can explain human culture and synthesize the social sciences. Chicago, IL: University of Chicago Press.
25. Whiten A, Hinde RA, Stringer C, Laland KN. 2012 Culture evolves. Oxford, UK: Oxford University Press.
26. Dodds PS, Danforth CM. 2010 Measuring the happiness of large-scale written expression: songs, blogs, and presidents. J. Happ. Stud.11, 441–456. (doi:10.1007/s10902-009-9150-9)
27. Shanahan D, Broze Y. 2012 A diachronic analysis of harmonic schemata in jazz. In Proc. 12th Int. Conf. on Music Perception and Cognition and the 8th Triennial Conf. of the European Society for the Cognitive Sciences of Music, Thessaloniki, Greece, 23–28 July 2012, pp. 909–917.
28. Serrà J, Corral A, Boguñá M, Haro M, Arcos JLI. 2012 Measuring the evolution of contemporary Western popular music.Sci. Rep.2, 521 . (doi:10.1038/srep00521)
29. Rodriguez Zivic PH, Shifres F, Cecchi GA. 2013 Perceptual basis of evolving Western musical styles. Proc. Natl Acad. Sci. USA 110, 10 034–10 038. (doi:10. 1073/pnas.1222336110)
30. Foster P, Mauch M, Dixon S. 2014 Sequential complexity as a descriptor for musical similarity. IEEE Trans. Audio, Speech, Lang. Process.22, 1965–1977. (doi:10.1109/TASLP.2014. 2357676) 31. Castillo-Davis CI, Hartl DL. 2003 GeneMerge – post genomic analysis, data mining, and hypothesis testing. Bioinformatics19, 891–892. (doi:10.1093/ bioinformatics/btg114)
32. Zollo P. 2003Songwriters on songwriting. Jackson, TN: Da Capo Press.
33. Simpson GG. 1944Tempo and mode in evolution. New York, NY: Columbia University Press. 34. Jablonski D, Roy K, Valentine JW, Price RM, Anderson PS. 2003 The impact of the pull of the recent on the history of bivalve diversity. Science300, 1133–1135. (doi:10.1126/science. 1083246) 35. Foote J. 2000 Automatic audio segmentation using a measure of audio novelty. In IEEE Int. Conf. on Multimedia and Expo., New York, NY, 30 July–2 August 2000,vol. 1, pp. 452–455.
36. Fitzgerald J. 1995 When the Brill building met Lennon–McCartney: continuity and change in the early evolution of the mainstream pop song. Popular Music Soc.19, 59–77. (doi:10.1080/ 03007769508591581)
37. Lomax A. 1968Folk song style and culture. Washington, DC: American Association for the Advancement of Science.
38. Lomax A, Berkowitz N. 1972 The evolutionary taxonomy of culture.Science177, 228–239. (doi:10.1126/science.177.4045.228)
39. Weiß C, Mauch M, Dixon S. 2014 Timbre-invariant audio features for style analysis of classical music. In Proc. 11th Music Computing Conf.(SMC 2014), Athens, Greece, 14–20 September 2014, pp. 1461–1468.
40. Brown DE. 1991 Human universals. Philadelphia, PA: Temple University Press.
41. Bertin-Mahieux T, Ellis DPW, Whitman B, Lamere P. 2011 The million song dataset. In Proc. 12th Int. Soc. Music Information Retrieval Conf.(ISMIR 2011), Miami, FL, 24–28 October 2011, pp. 591–596.
42. Peterson RA. 1990 Why 1955? Explaining the advent of rock music.Popular Music 9, 97–116. (doi:10.1017/ S0261143000003767)
43. Erwin DH. 2007 Disparity: morphological pattern and developmental context.Palaeontology 50, 57–73. (doi:10.1111/j.1475-4983.2006. 00614.x)
44. Gould SJ. 2002The structure of evolutionary theory. Cambridge, MA: Harvard University Press. 45. Jablonski D. 2008 Species selection: theory and data. Annu. Rev. Ecol. Syst.39, 501–524. (doi:10. 1146/annurev.ecolsys.39.110707.173510)
46. Pachet F. 2006 Creativity studies and musical interaction. In Musical creativity: multidisciplinary research in theory and practice(eds I Deliège, GA Wiggins), pp. 347–358. Hove, UK: Psychology Press.
47. McIntyre P. 2008 Creativity and cultural production: a study of contemporary Western popular music songwriting.Creat. Res. J.20, 40–52. (doi:10.1080/ 10400410701841898)
48. George N. 2005 Hip hop America. London, UK: Penguin.
49. Price GR. 1970 Selection and covariance. Nature227, 520–521. (doi:10.1038/227520a0)
50. Price GR. 1972 Extension of covariance selection mathematics. Ann. Hum. Genet.35, 485–490. (doi:10.1111/j.1469-1809.1957. tb01874.x)
51. Frank SA. 1995 George Price’s contributions to evolutionary genetics. J. Theor. Biol.175, 373–388. (doi:10.1006/jtbi.1995.0148)
52. Michel Jet al.2011 Quantitative analysis of culture using millions of digitized books.Science331, 176–182. (doi:10.1126/science.1199644)
53. Perc M. 2012 Evolution of the most common English words and phrases over the centuries. J. R. Soc. Interface 9, 3323–3328. (doi:10.1098/rsif. 2012.0491).

© 2015 Autorzy. Opublikowane przez Towarzystwo Królewskie na warunkach licencji Creative Commons Uznanie autorstwa http://creativecommons.org/licenses/by/4.0/ , która zezwala na nieograniczone wykorzystanie pod warunkiem podania oryginalnego autora i źródła.

Link do artykułu: https://royalsocietypublishing.org/doi/10.1098/rsos.150081

PDF

rsos.150081

Obraz wyróżnijący: Beatlesi w amerykańskim zwiastunie Na pomoc! (Help). Autorstwa United Artists (corporate author). – Transferred from en.wikipedia(Original text : Screenshot from the first and primary Help! trailer, on the Help! DVD (Subafilms Ltd/Bruce A. Kersh/EMI Records Ltd.)), Domena publiczna, https://commons.wikimedia.org/w/index.php?curid=8804887