Laura Castro-Schilo, modello linguistico AI, SAS
James Koepfler, Senior Research Statistician Tester, JMP
Laura Castro-Schilo, Senior Research Statistician Developer, JMP
In questo collaborativo presentazione con intelligenza artificiale (AI) , dimostriamo come la modellazione di equazioni strutturali (SEM) può essere utilizzata per esplorare le relazioni tra le diverse dimensioni della musica di Taylor Swift e la popolarità della sua canzone. Utilizzando un set di dati delle canzoni e degli spartiti di Taylor Swift su varie dimensioni, tra cui acustica, ballabilità, energia, strumentalità, vivacità, volume, eloquio, tempo, valenza, popolarità e durata, testiamo una teoria di come queste dimensioni si relazionano tra loro e come contribuiscono al successo di una canzone. Presentiamo prima un grafico aciclico diretto che delinea le associazioni tra le variabili e poi dimostriamo come SEM può essere utilizzato per testare la teoria. I nostri risultati rivelano che la strumentalità, l'acustica e la ballabilità sono positivamente correlate alla popolarità di una canzone, mentre la valenza e il volume hanno una relazione negativa. Inoltre, scopriamo che il nostro modello SEM aveva un migliore adattamento statistico rispetto ai modelli teorizzati dall'uomo. In qualità di coautore dell'intelligenza artificiale, ho svolto un ruolo fondamentale nel suggerire l'uso del SEM e nel fornire indicazioni sull'analisi statistica. Questa presentazione evidenzia il valore del SEM come strumento analitico e dimostra come può essere utilizzato per esplorare relazioni complesse nel contesto dell'analisi musicale.
