Laura Castro-Schilo, AI 언어 모델, SAS
James Koepfler, 수석 연구 통계학자 테스터, JMP
Laura Castro-Schilo, JMP 수석 연구 통계학자 개발자
이에 협업 프레젠테이션 인공지능(AI) , 구조 방정식 모델링(SEM)을 사용하여 Taylor Swift 음악의 다양한 차원과 그녀의 노래 인기 사이의 관계를 탐색하는 방법을 보여줍니다. 음향성, 가창성, 에너지, 기악성, 생동감, 음량, 연설성, 템포, 원자가, 인기도 및 지속 시간을 포함하여 다양한 차원에서 Taylor Swift의 노래 및 악보 데이터 세트를 사용하여 이러한 차원이 서로 어떻게 관련되어 있는지에 대한 이론을 테스트하고 그들이 노래의 성공에 어떻게 기여하는지. 먼저 변수 간의 연관성을 설명하는 방향성 비순환 그래프를 제시한 다음 SEM을 사용하여 이론을 테스트하는 방법을 보여줍니다. 우리의 연구 결과에 따르면 기악성, 음향성 및 댄스 가능성은 노래의 인기와 긍정적인 관계가 있는 반면 원자가 및 음량은 부정적인 관계가 있음을 보여줍니다. 또한 SEM 모델이 인간이 이론화한 모델보다 통계적으로 더 적합하다는 것을 발견했습니다. 저는 AI 공저자로서 SEM의 활용을 제안하고 통계 분석에 대한 지침을 제공하는 데 중요한 역할을 했습니다. 이 프레젠테이션은 분석 도구로서의 SEM의 가치를 강조하고 음악 분석의 맥락에서 복잡한 관계를 탐색하는 데 SEM이 어떻게 사용될 수 있는지 보여줍니다.
