复杂的数据在转换成音乐后变得更容易解读

　　

　　坦佩雷大学和东华盛顿大学人机交互领域的一组研究人员展示了定制的“数据到音乐”算法如何帮助我们更好地理解复杂数据。在不断发展的数据解释领域，将数字数据转换成声音可能会改变游戏规则。

　　这个为期五年的研究项目是由芬兰坦佩雷大学坦佩雷人机交互研究所TAUCHI和美国东华盛顿大学的一组研究人员开展的。这项研究由芬兰商业资助。

　　该小组最近发布了一篇研究论文，提供了在数据转换中使用音乐作为一种手段来提供新的解释维度的理由。

　　文章的主要作者是乔纳森·米德尔顿，DMA，东华盛顿大学音乐理论和作曲教授，坦佩雷大学客座研究员。米德尔顿和他的合作研究员主要关注展示定制的“数据到音乐”算法如何增强与复杂数据点的互动。在他们的研究中，他们使用了从芬兰气象记录中收集的数据。

　　米德尔顿说:“在数字世界中，数据收集和解释已经融入我们的日常生活，研究人员提出了解释体验的新视角。”

　　据他说，这项研究验证了他所说的通过音乐特征进行数据解释的“第四维度”。

　　“就纯粹的听觉娱乐而言，音乐可以是一种非常引人入胜的艺术形式，因此是对戏剧、电影、电子游戏、体育和芭蕾舞的有力补充。米德尔顿解释说:“由于音乐声音非常吸引人，这项研究为我们通过听觉来理解和解释数据提供了新的机会。”

　　例如，想象一下你的心率数据在图表上的简单一维视图。然后想象你的心率数据的三维视图，以数字、颜色和线条反映出来。现在，想象一个第四维空间，在这个空间里你可以听到数据。米德尔顿研究中的关键问题是，这些显示或维度中的哪一个最有助于您理解数据?

　　对于许多人来说，尤其是依赖数据来满足消费者需求的企业来说，这项严格的验证研究显示了哪些音乐特征对数据参与度的贡献最大。正如米德尔顿所见，这项研究为在数据分析中使用第四维度奠定了基础。

Materials provided by Tampere University. Note: Content may be edited for style and length. Jonathan Middleton, Jaakko Hakulinen, Katariina Tiitinen, Juho Hella, Tuuli Keskinen, Pertti Huuskonen, Jeffrey Culver, Juhani Linna, Markku Turunen, Mounia Ziat, Roope Raisamo. Data-to-music sonification and user engagement. Frontiers in Big Data, 2023; 6 DOI: 10.3389/fdata.2023.1206081