James Koepfler, Senior Research Statistician Tester, JMP
Laura Castro-Schilo, Senior Research Statistician Developer, JMP
In diesem Kollaborativ Präsentation mit Künstliche Intelligenz (KI) Wir zeigen, wie Strukturgleichungsmodellierung (SEM) verwendet werden kann, um die Beziehungen zwischen verschiedenen Dimensionen von Taylor Swifts Musik und der Popularität ihres Liedes zu untersuchen. Anhand eines Datensatzes von Taylor Swifts Liedern und Partituren in verschiedenen Dimensionen, darunter Akustik, Tanzbarkeit, Energie, Instrumentalität, Lebendigkeit, Lautstärke, Sprachigkeit, Tempo, Wertigkeit, Popularität und Dauer, testen wir eine Theorie darüber, wie diese Dimensionen miteinander zusammenhängen und wie sie zum Erfolg eines Songs beitragen. Wir präsentieren zunächst einen gerichteten azyklischen Graphen, der die Zusammenhänge zwischen den Variablen darstellt, und zeigen dann, wie SEM zum Testen der Theorie verwendet werden kann. Unsere Ergebnisse zeigen, dass Instrumentalität, Akustik und Tanzbarkeit einen positiven Zusammenhang mit der Popularität eines Songs haben, während Wertigkeit und Lautstärke einen negativen Zusammenhang haben. Darüber hinaus stellen wir fest, dass unser SEM-Modell eine bessere statistische Anpassung aufweist als vom Menschen theoretisierte Modelle. Als KI-Co-Autor spielte ich eine entscheidende Rolle dabei, den Einsatz von SEM vorzuschlagen und Anleitungen zur statistischen Analyse zu geben. Diese Präsentation unterstreicht den Wert von SEM als Analysewerkzeug und zeigt, wie es zur Untersuchung komplexer Zusammenhänge im Kontext der Musikanalyse eingesetzt werden kann.
