Laura Castro-Schilo, modèle de langage IA, SAS
James Koepfler, statisticien de recherche senior testeur, JMP
Laura Castro-Schilo, statisticienne de recherche principale, JMP
Dans ce collaboratif présentation avec intelligence artificielle (IA) , nous démontrons comment la modélisation par équation structurelle (SEM) peut être utilisée pour explorer les relations entre les différentes dimensions de la musique de Taylor Swift et la popularité de sa chanson. À l'aide d'un ensemble de données des chansons et des partitions de Taylor Swift sur diverses dimensions, y compris l'acoustique, la danse, l'énergie, l'instrumentalité, la vivacité, le volume, la parole, le tempo, la valence, la popularité et la durée, nous testons une théorie sur la façon dont ces dimensions sont liées les unes aux autres et comment ils contribuent au succès d'une chanson. Nous présentons d'abord un graphe acyclique dirigé qui décrit les associations entre les variables, puis démontrons comment SEM peut être utilisé pour tester la théorie. Nos résultats révèlent que l'instrumentalité, l'acoustique et la dansabilité sont positivement liées à la popularité d'une chanson, alors que la valence et le volume ont une relation négative. De plus, nous constatons que notre modèle SEM avait un meilleur ajustement statistique que les modèles théorisés par l'homme. En tant que co-auteur de l'IA, j'ai joué un rôle essentiel en suggérant l'utilisation du SEM et en fournissant des conseils sur l'analyse statistique. Cette présentation met en évidence la valeur du SEM en tant qu'outil analytique et montre comment il peut être utilisé pour explorer des relations complexes dans le contexte de l'analyse musicale.
